批次效应与混杂

更新：2026-10-15；状态：可用；验证范围：文档核对；操作需按所用环境验证。

批次效应来自技术过程；当批次与研究分组重合时，数据可能无法区分两者的影响。

混杂如何发生

所有对照在周一处理、所有实验样本在周二处理，那么“分组”和“日期”完全对应。回归中同时加入两列并不会凭空产生区分它们的信息。部分交叉设计是否足够，需要检查模型矩阵与样本数量。

怎样检查

将PCA原理与实现或样本距离图分别按分组、批次、处理日期着色；同时检查质控指标和原始流程。图上有分离只提供线索，不能单凭一幅图判定应校正哪种因素。

怎么处理

设计阶段尽量让各组在批次间分布。分析阶段依据实验设计在模型中加入可估计的技术因素；用于展示的数据校正和用于检验的模型调整需区分，保留原始数据。校正过强也可能消除研究信号。

前置读生物学重复与技术重复；计数建模的具体案例见 DESeq2 关于设计矩阵秩的说明。

进一步比较模型调整、可视化表示与跨样本整合，见组学批次校正与信号保留。用组学方法比较与敏感性分析同时检查技术混合与生物学结构保留。

RNA设计里的可估计性

RNA设计矩阵配对与对比方向实际核对满秩和剩余自由度；完全混杂时分析会停止。标准化计数或VSTrlog与样本距离不会因模型包含batch就自动移除批次。