2. 多批次运行概念解析
多批次运行这个概念，说白了就是把一大堆样本拆成几组，分开跑MaxQuant。我刚开始用这工具时，觉得一次性把所有raw文件丢进去不就完了吗？后来被内存撑爆过几次，才明白——嗯，分批次跑不是偷懒，是刚需。
这一节咱们就聊清楚三件事：什么是多批次运行，为什么要这么干，以及最头疼的批次效应到底从哪来的。
2.1 什么是多批次运行
多批次运行，就是你把全部样本按某种规则分成多个子集，每个子集独立创建一个MaxQuant任务，生成各自的参数文件、结果文件夹和输出表。最后再通过Match-between-runs或Perseus把这些结果合并起来做下游分析。
举个例子，你有200个血清样本的raw文件。一次全跑，内存直接飙到64GB以上，跑三天可能还中途崩掉。分成4批，每批50个，每批跑8小时，轻松搞定。
我整理了个单批次和多批次的对比，你看一眼就明白了：
| 对比维度 | 单批次运行 | 多批次运行 |
|---|---|---|
| 样本规模 | 适合 < 60 个样本 | 适合 > 100 个样本 |
| 内存需求 | 通常 ≤ 32 GB | 每批 ≤ 32 GB，总需求分散 |
| 单次运行时间 | 可能超过 72 小时 | 每批 6–12 小时 |
| 稳定性风险 | 中途崩溃损失全部进度 | 单批失败只影响该批 |
| 批次效应 | 不存在 | 存在，需校正 |
| 结果整合 | 一步到位 | 需合并与归一化 |
表格里最扎眼的就是「批次效应」那一行。单批次没这个烦恼，多批次就得正视它。不过别慌，后面我会专门讲怎么处理。
2.2 为什么需要多批次
你可能会问：既然多批次这么麻烦，干嘛不一次跑完？原因无非三种场景，我一个个说。
大样本场景
蛋白质组学做到临床队列或群体研究，样本量动辄几百甚至上千。MaxQuant对内存和CPU的消耗跟样本数近似平方关系增长。100个样本还能撑住，200个以上就容易把服务器跑瘫。我记得在一个150例血清样本的项目里，单批次跑了36小时后直接OOM（内存溢出），连日志都没存下来。从那以后，超过60个样本我必分批次。
时间跨度项目
有些项目持续数月甚至跨年。比如你每月采集一批临床样本，等全部收齐再跑，黄花菜都凉了。更现实的做法是：每个月收一批，跑一批，最后统一整合。我建议在长期项目中，每批次里加一个「桥接样本」（同一份标准品），这样后期校正批次效应时就有锚点了。
技术重复
技术重复本身就是为了评估实验稳定性。把重复样本分散到不同批次中，能更真实地反映批次间的波动。如果所有重复都在同一批里跑，你测到的只是仪器日内精密度，而不是真正的批次效应。
下面是一个简单的多批次运行命令序列，每个批次用独立的参数文件：
mono MaxQuant.exe mqpar_batch1.xml
mono MaxQuant.exe mqpar_batch2.xml
mono MaxQuant.exe mqpar_batch3.xml
mono MaxQuant.exe mqpar_batch4.xml每个mqpar_batchX.xml里指定不同的raw文件列表和输出目录，关键参数（如酶切规则、固定修饰、FDR阈值）保持一致。matchBetweenRuns建议开启，有助于批次间的肽段匹配。
2.3 批次效应的来源
批次效应说白了就是：不同批次之间，除了样本本身的差异外，还混入了非生物学的系统性偏差。这些偏差从哪来？我归纳了四大来源。
| 来源 | 影响表现 | 严重程度 | 典型特征 |
|---|---|---|---|
| 仪器状态波动 | 信号强度整体漂移 | 高 | 所有肽段强度同向变化 |
| 色谱柱老化 | 保留时间偏移、峰宽增加 | 高 | 后期批次梯度后移 |
| 试剂批次差异 | 特定肽段定量偏差 | 中 | 与试剂相关的通路系统性变化 |
| 环境因素变化 | 随机波动、基线漂移 | 低–中 | 无明显规律，偶发 |
色谱柱老化是我踩过最深的坑。有一次连续跑了6批样本，到第4批时发现鉴定数掉了30%，RT偏移超过2分钟。我还以为是样本问题，折腾了一周才查到是色谱柱用了太久。从那以后，我每批跑完都会检查标准品的RT和峰宽，超过阈值直接换柱。
批次效应的来源虽然多，但别被吓到。绝大部分情况下，通过合理的实验设计（如随机化样本顺序、使用桥接样本）和计算校正（如中位数归一化、ComBat），都能把影响降到可接受范围。
下面这张框架图总结了本章的核心逻辑：多批次运行的动因、批次效应的主要来源，以及最终的校正目标。我建议你把它截下来贴在实验记录本上，做项目规划时对照着看。