1. 课程导入与问题界定

在测序实验里，我们常常遇到一种令人困惑的现象：同一批样本、同一个物种、同一套分析流程，仅仅因为上机时间不同、操作人员不同或试剂批号不同，差异分析结果就出现明显偏移。更棘手的是，这种偏移有时会被误读为真实的生物学差异——某个基因"显著上调"，实际上只是它恰好落在了一个测序质量较差的批次里。这正是本课程要解决的核心问题：批次效应（batch effect）与污染（contamination）。

一、什么是批次效应

批次效应指样本在实验处理、建库、测序等环节中，由于非生物学因素的系统性差异，导致同一生物学状态下的样本之间产生可重复的技术性偏差。它有三个关键特征：

• 系统性：不是随机噪声，而是沿着某个技术维度（时间、板号、操作者、试剂批号、测序仪通道）成组出现。
• 可重复性：同一批次内的样本倾向于"抱团"，在PCA或聚类图上形成独立簇。
• 与生物学因素混杂：当批次与分组不完全正交时，批次效应会直接污染差异分析结论。

常见的批次来源包括：RNA提取批次、文库制备批次（index组合、PCR循环数）、测序run与lane、样本在板上的位置（行/列边缘效应）、操作人员与日期。例如，一个典型场景是：对照组全部在周一建库，处理组全部在周三建库，此时"处理效应"与"建库日效应"完全共线，任何统计方法都无法把二者干净地分开。

二、什么是污染

污染指外源核酸或其它样本的核酸进入目标样本，使其测序读数中混入非目标来源的序列。与批次效应不同，污染是"混入"而非"偏移"，其典型表现是：

• 低生物量样本中出现高丰度外源物种（如环境样本中的常见菌、试剂中的背景微生物）。
• 样本间出现本不该存在的交叉污染信号，例如index hopping导致的低比例错配。
• 阴性对照（NTC）中检出目标序列，提示试剂或环境携带污染。

污染与批次效应经常同时出现：一次建库污染会同时造成多个样本的批次式偏移，因此二者需要在同一框架下排查。

三、对生物学结论的影响

批次效应和污染对结论的破坏方式不同，但后果同样严重。批次效应会降低统计功效（真实差异被批次噪声淹没）或制造假阳性（批次差异被误判为分组差异）。污染则会引入虚假的物种或变异信号，在微生物组、肿瘤突变检测、单细胞测序中尤其危险。判断一个差异是否可信，需要同时回答两个问题：它是否在批次校正后仍然稳定？它是否在污染排查后仍然存在？

四、一个可操作的判断示例

假设一项转录组实验包含6个对照和6个处理样本，分两天建库。分析时发现：

• PCA图上，样本按"建库日"而非"分组"分成两簇；
• 差异分析得到约3200个差异基因，其中前200个基因的表达值与建库日高度相关；
• NTC中未检出目标序列，污染信号不明显。

此时应优先怀疑批次效应而非真实生物学差异。合理的处理路径是：先检查实验设计是否记录了批次信息，再用ComBat、limma的removeBatchEffect或将批次作为协变量纳入模型进行校正，最后比较校正前后差异基因的重叠比例。若校正后差异基因数量大幅下降且仍与分组一致，则结论更可信；若校正后信号消失，则原结论很可能是批次假象。

五、本课程的组织逻辑

后续章节将围绕四个任务展开：识别（如何从PCA、相关性热图、NTC、index统计中诊断问题）、设计（如何通过随机化、区组化、对照设置从源头降低风险）、校正（ComBat、RUV、去污染工具的原理与参数选择）、验证（如何判断校正是否过度、结论是否稳健）。每一章都会给出可执行的参数、判断阈值和示例数据，帮助你把"知道有批次效应"变成"能定位、能校正、能验证"。

在进入具体方法之前，请先建立一个基本认知：批次效应和污染是测序实验的固有风险，而不是操作失误的偶然结果。承认它们的存在，并用系统化的方法管理它们，才是获得可靠生物学结论的前提。