2. MRM数据特点：维度、噪声、缺失值与批次效应

在MRM（多反应监测）数据中，特征筛选面临的核心挑战源于数据本身的特殊结构。与转录组或全蛋白组不同，MRM数据具有高维度稀疏性、异质性噪声、非随机缺失以及多层级批次效应四大特点。理解这些特点是设计稳健筛选策略的前提。

2.1 数据维度与稀疏性

MRM实验通常针对数十至数百个目标肽段，每个肽段对应多个子离子（transition），最终形成肽段×样本的矩阵。尽管绝对维度低于组学数据，但特征数量（子离子+保留时间+峰面积+同位素内标比）仍可达数千维。

2.2 噪声水平与来源

MRM噪声并非均匀分布，而是呈现异方差性：低丰度肽段的信噪比（S/N）远低于高丰度肽段。噪声主要来自以下三个层面：

• 化学噪声：基质效应、共洗脱干扰物、离子抑制/增强，导致基线波动。
• 仪器噪声：检测器暗电流、离子传输效率波动、质量轴漂移。
• 处理噪声：峰积分算法误差、保留时间对齐偏差、背景扣除不彻底。

2.3 缺失值模式

MRM数据的缺失并非随机（MNAR），而是与肽段丰度、样本基质、仪器灵敏度密切相关。缺失模式可分为三类：

1. 完全随机缺失（MCAR）：由进样故障或操作失误导致，比例通常<5%。
2. 随机缺失（MAR）：与已观测到的其他特征相关，例如低丰度肽段在特定批次中全部缺失。
3. 非随机缺失（MNAR）：最常见——肽段浓度低于检测限（LOD），或子离子受共洗脱干扰无法积分。

2.4 批次效应来源

批次效应是MRM数据分析中最隐蔽的干扰因素。它并非单一来源，而是多个实验环节的累积偏差：

2.5 数据特点对特征筛选的启示

综合以上特点，MRM特征筛选不能直接套用转录组或全蛋白组的筛选流程。以下是针对MRM数据特点的筛选前预处理清单：

# MRM特征筛选前预处理伪代码（R语言风格）
# 1. 缺失过滤：剔除缺失率 > 50% 的特征
features_keep <- which(colMeans(is.na(data_matrix)) < 0.5)

# 2. 噪声过滤：保留 S/N > 3 且 CV < 30% 的子离子
features_clean <- features_keep[
  data_snr[features_keep] > 3 & 
  data_cv[features_keep] < 0.3
]

# 3. 批次效应评估：ANOVA 检验批次主效应
batch_pval <- apply(data_matrix[, features_clean], 2, 
                     function(x) anova(lm(x ~ batch))$Pr[1])
features_no_batch <- features_clean[batch_pval > 0.05]

# 4. 最终筛选特征集
final_features <- features_no_batch