空间转录组学与批次效应概述
做空间转录组分析，咱们得先搞清楚手里拿的是什么数据，以及最大的坑在哪里。我个人习惯把理解数据特点放在第一步——这就像修车，不知道发动机长啥样，上来就拧螺丝，大概率要出事。
空间转录组数据长什么样？
说白了，空间转录组就是在传统转录组的基础上，加了个“位置信息”。传统RNA-seq告诉你每个样本里基因表达量是多少，但空间组学告诉你：这个基因在组织哪个区域、哪个细胞层里高表达。
数据本身是两个层次的组合：
- 基因表达矩阵：行是基因，列是捕获点（spot）或细胞。跟普通单细胞数据类似，稀疏矩阵，零膨胀严重。
- 空间坐标：每个spot都有一个(x, y)坐标，或者更精确的组织学坐标。这是空间组学独有的东西。
举个例子，10x Visium的数据结构大致这样：
# 表达矩阵（稀疏格式）
spot_1 spot_2 spot_3
GENE_A 12 0 5
GENE_B 0 8 1
# 空间坐标
spot_1 x=120 y=340
spot_2 x=150 y=300
spot_3 x=100 y=380我再强调一点：空间转录组数据往往有空间自相关性。相邻的spot，基因表达谱更相似。这是跟普通单细胞数据最大的区别，也是后面做校正时要特别保护的东西。
批次效应——到底是个什么东西？
批次效应，就是你在不同时间、不同实验条件、不同操作人员下跑出来的数据，会带上“实验标签”而非“生物学标签”。
打个比方：你今天做的RNA提取和下周做的同一批组织，表达量大概率不一样。这不是生物差异，是技术差异。
在我参与的多个空间组学项目中，遇到过几种典型情况：
- 不同切片：同一组织块，不同切片深度，批次效应明显
- 不同捕获芯片：同一组织，用不同lot的芯片，捕获效率不同
- 不同测序批次：建库时间不同，测序深度不一致
- 不同平台：Visium vs. Slide-seq vs. MERFISH，那差异更大
为什么会这样？你想想看，每个步骤都有变量：组织处理时间、反转录效率、扩增循环数、测序仪状态...随便哪个小变化，都能在你的数据里留下“指纹”。
在空间数据中，批次效应怎么表现？
这里有个重点：空间数据的批次效应，比普通单细胞数据更麻烦。原因很简单——多了一个空间维度。
我归纳了几种常见的表现方式：
| 表现类型 | 具体现象 | 影响程度 |
|---|---|---|
| 全局偏移 | 整个批次的表达量整体偏高或偏低 | 中 |
| 空间噪声 | 空间模式（如层状结构）被噪声淹没 | 高 |
| 结构扭曲 | 批次间的空间结构无法对齐或相互矛盾 | 极高 |
| 聚类偏差 | 相同组织区域被划到不同聚类中 | 高 |
你可能会问：怎么判断数据里有没有批次效应？我一般用两种方法快速验一下：
- t-SNE/UMAP可视化：按批次上色，如果批次分群明显，那基本中招了
- 空间表达模式对比：选几个已知的组织标记基因，看空间分布是否在不同批次间一致
举个简单的代码示例，检测批次效应：
# R语言伪代码示例
library(Seurat)
# 合并两个批次的数据
merged_data <- merge(batch1, batch2)
# 标准化后做PCA
merged_data <- NormalizeData(merged_data) %>%
FindVariableFeatures() %>%
ScaleData() %>%
RunPCA()
# 按批次着色看PCA
DimPlot(merged_data, group.by = "batch", reduction = "pca")如果看到PCA图上两个批次明显堆在两个角落，那就要认真处理了。
本章核心逻辑：一张图说明白
下面这张图，是我做项目时自己画的一张思维框架。它把本章的核心概念串了起来，我个人觉得挺有用：
好了，这一章我们把基本概念和痛点理清了。你记住三点就好：空间数据有位置信息、批次效应无处不在、空间校正比普通单细胞校正更复杂。后面所有方法，都围绕着怎么解决这三个问题展开。