校正组学批次效应

Correct Omics Batch Effects · 🟡进阶 · 所属分类：组学与生物信息分析

批次和生物学分组混在一起时，校正过头会连真实差异一起抹掉，校正不足又假阳性满天飞，方法一选错就前功尽弃。它帮你先诊断批次到底有多强、和分组混得多深，再选稳妥的方法在保住真信号的前提下校正。

适合谁

数据来自多批次、担心批次效应干扰结论的组学分析者和研究生。

给它什么 · 得到什么

• 你提供：表达/特征矩阵、含批次与生物学分组的样本元数据、数据类型（bulk/单细胞）、下游要做什么分析
• 你得到：批次诊断图（校正前后 PCA/UMAP），加校正后矩阵或整合对象，加方法参数说明与混杂风险评估

怎么用

示例提问：「我的单细胞数据分三批测的，UMAP 上明显按批次分开，但处理组和对照又恰好落在不同批次，该用 Harmony 还是别的、会不会把真差异也校掉？」 触发后它会用 PCA/UMAP 和方差分解诊断混杂程度，按场景选 ComBat/Harmony 等方法，并用 kBET 等指标量化过校正风险。

提个醒

当批次和生物学变量完全混淆时，它会直说「不可校正」而不硬校；下游统计也别对同一效应重复扣除。