组学批次校正与信号保留

更新：2026-10-26；状态：可用；验证范围：2026-10-26官方/原始来源核对；标准库教学演示实际执行；专业验证范围见正文。

三项任务先分开

差异推断中的批次建模、探索图中的表示调整、跨样本细胞整合，不是把一个矩阵“去批次”后什么都解决。学完应能用交叉设计判断可识别性，并同时检查技术混合和生物信号保留。前置读批次效应与混杂、RNA设计矩阵配对与对比方向和PCA原理与实现。

模型中哪些部分应保留

对某个连续特征，简化模型为 $y_i=\beta_0+\beta_TT_i+\gamma_BB_i+\epsilon_i$。$T_i$表示生物条件，$B_i$表示批次，$\beta_T$是目标条件效应，$\gamma_B$为批次相关偏移。若用于差异推断，可在模型中保留批次项进行条件化比较；可视化调整可减去估计批次部分但仍需保留目标项。不能把调整后的任意连续矩阵重新当成原始计数送入不匹配模型。

当所有A在批次1、所有B在批次2时，T与B两列相同。任意把观测差分配给$\beta_T$或$\gamma_B$都可得到同样拟合，数据不能唯一识别两个效应。这不是换Harmony、scVI或多加一层神经网络就能补上的信息。

一个可手算的交叉例子

批次1中A=1、B=3，批次2中A=11、B=13；两个批次都含两组。已知批次2共同加10，减去后为1、3、1、3，生物差仍2。若只观察A=1于批次1和B=13于批次2，就不能知道12的差异中有多少来自批次。toy特意使用已知偏移，不代表已从真实数据估出了批次，也不能用四个无重复的数字评价统计稳定性。

现实还可能有批次×条件交互、非线性、类型特异偏移和不同细胞组成；减均值未必足够。若某细胞类型只在疾病组存在，强迫所有批次每个状态完全混合可能擦掉真实差异，前提检查必须先于“图好不好看”。

不同整合方法学到什么

Harmony在相应低维表示中迭代组织与校正批次相关结构；scVI等以计数生成及潜变量框架学习表示。它们与直接线性调整在输入和目标上不同。Harmony官方入口及scvi-tools教程用于核对相应表示和数据层要求。本页只解释选择，不运行这些工具。

embedding是降维坐标，不是恢复出来的无误差真实表达。不同方法的差异表达接口和使用层也不统一，需遵循对应模型；不能把整合坐标上的一个分量当作基因计数。

怎样评价，而不追一张混匀的UMAP

先看组别×批次×供体表、覆盖和QC，确认有可比较部分。再分别评价批次混合、生物类型/连续状态保留、稀有群体、各供体贡献与未参与拟合的证据。用于整合的已知标签不应成为唯一验证。改变合理参数/特征/样本后检查稳定性，保存原始与整合表示，不能覆盖原始层。

预测任务要在训练范围学习校正与映射，再评价未来批次/人群，不能先整合全部测试样本后称无泄漏泛化。探索性联合表示与可部署预测的允许信息不同，报告时要写清楚。

症状	候选原因	先查
整合后稀有群消失	过度校正或采样不均	原始标记、供体及稀有状态
批次仍清晰	模型不匹配或真实差异	交叉设计与QC，非一味增强校正
差异方向随方法反转	使用层或目标改变	原计数、设计和每方法输入
预测测试异常好	整合提前看了测试集	参数与特征学习边界

自测与答案

1. 批次与组别完全重合能从图上判断谁真谁假吗？答：缺少可识别信息，图不能补设计。
2. 混合越均匀一定越正确吗？答：应同时保留应有生物结构。
3. 减去批次均值是否总保留组差？答：组别组成不平衡时可能一起删掉目标信号。

在电脑上核对这一小步

先下载项目ZIP并解压，进入同时含README.md和examples的项目根目录。不熟悉终端和当前目录时读R与Python路径文件与项目组织。以下在系统终端执行，需Python 3.10+，只用标准库，无需pip安装；Windows可将python3替换为已安装的python或py。

python3 examples/methods_omics_demo.py --case batch

输入是脚本内置人工数字，不需下载专业数据。成功会打印JSON，并生成examples/output/methods-omics/batch/summary.json；cases.batch下的字段对应本页演算。非空输出目录会拒绝覆盖，第二次练习可在命令后加--output examples/output/methods-omics/batch-practice2。不要为了重跑删除不明来源的数据。

**检查点：**corrected=[1,3,1,3]，group_difference_preserved=2；confounded_design_columns_equal=true提醒完全混杂时列重合。

阅读源码时先找到同名函数，逐一对照输入、运算与输出；要修改数字，先复制整个解压项目并运行副本，再手算新的预期。脚本含若干固定结果断言，修改教学条件时也需重新核对相应断言；断言失败不自动说明专业方法失效。本轮已实际运行全部22个标准库模式，Python 3.14.8；本页范围为已知加性偏移与可识别性示例；未执行Harmony/scVI或真实批次校正。演示没有为真实样本产生专业P值或性能结论。

来源与下一步

本轮查阅日期为2026-10-26；正文原始来源支持对应技术事实，手算与代码是本项目人工教学设计。方法页解释模型，安装及大数据运行交给相应工具/工作流页。教学组织参考GTN的步骤与检查点、Bioinformatics Workbook的问题驱动练习；未复制其教程正文。

保留的相关入口：批次效应与混杂、组学方法比较与敏感性分析、Harmony、scVI、PCA原理与实现。

学习顺序、前置与练习清单见方法与算法系统学习指南。

公式里的矩阵、下标或对数不熟时，可回查读懂方法公式的最小数学基础。