批次效应：概念初探

简介

批次效应（Batch effect）往往是是不同时间、不同操作者、不同试剂、不同仪器导致的实验误差，与研究中的生物或科学变量无关。批次效应对低维分子测量如 Western Blot 和 qPCR 影响较小，但对高通量测序数据的影响显著。其不利影响包括：可能扭曲生物学差异，在基因表达相关性分析如WGCNA中可能影响基因间的相关性等。批次效应的具体情形如：

• 肿瘤样本都在周一测序，正常组织样本都在周二测序
• 不同的测序子集由不同的技术人员负责
• 测序时使用了两批不同的试剂、芯片或仪器
• 数据挖掘时合并两个不同来源的数据集，如TCGA和GTEx的正常组织数据

归一化（Normalization）是一种数据分析技术，用于调整单个样本测量值的全局属性，以便能够更恰当地对所有样本进行比较。传统认为归一化可以去除批次效应，但由于批量效应违反了归一化方法的假设，使得归一并不能消除批量效应，甚至可能会加剧高通量测量中的技术伪影。

判断有无批次效应方法

1、查看样本总体分布

箱线图

小提琴图

密度曲线图

 

2、查看样本间的相关性

层次聚类树状图 

•  若样本间按批次聚类，则说明有批次效应

PCA主成分分析

•  若样本间按批次聚集，则说明有批次效应

去除批次效应的方法

• 如果产生批次效应的批次已知，例如不同的数据集等，则使用 ComBat 函数去除批次效应
• 如果产生批次效应的批次未只，使用 SVA 去除批次效应
• SVA  直接从高通量数据估计批次效应的来源，从而纠正下游显着性分析，意味着不必提前知道重要的潜在批次变量