【单细胞测序】关于批次效应 batch effect
单细胞数据的处理过程中，让人头秃，批次效应一定有功。
批次效应，顾名思义，不同批次带来的效应。
考虑深层次造成批次效应的原因（个人理解）
宏观层面上考虑，1）对样本处理问题，2）细胞活性问题，3）试剂kit问题，4）测序问题，等都有可能
微观本质上考虑，上述问题 1）造成了样本间mRNA的相对不稳定，2）造成细胞破裂，其mRNA流出最后污染整个样本，3）造成样本间mRNA捕获率不一致，4）造成测序饱和度不一致，或者数据质量不一，等
不同项目中，面临的批次效应程度各有不同，有些可以不用特殊处理，有些甚至怎么处理都不管用。个人经验发现，来自人的样本最容易有批次效应的表现，而模式动物的样本表现出来的批次效应都较为有限。
在我个人的项目中，样本是由以实验为主的实验室处理的时候，批次效应最为微弱，可能是他们更懂得处理样本。所以最好是专业的事让专业的人来做。
下面介绍对批次效应处理方法
- 几乎不存在批次效应的时候
这里对几乎不存在批次效应的定义：对不同样本完成QC后，直接使用Seurat的merge函数处理，在最后的UMAP或者t-SNE图里面，不同样本之间的细胞群体融合很好，而剩下的细胞群体看起来是分离的。
这个时候需要考虑这种现象是不是生物学差异造成的。因为通常来讲，批次效应影响的是整个样本，整份数据。那么有批次效应的时候，各个细胞群都不能很好融合。因此出现上述现象，很可能是不存在批次效应的，需要再仔细考虑。
- 批次效应不明显的时候
这里对批次效应不明显的定义：对不同样本完成QC后，直接使用Seurat的merge函数处理，在最后的UMAP或者t-SNE图里面，不同样本之间的细胞群体没有看到融合，但不是完全分离。
在这种情况下，可以先尝试调试数据处理过程中的参数，特别是VariableFeature数的选择，直到不同样本在可视化的时候能够重合得较好。
如果调参确实解决不了，看下一条。
- 批次效应
定义就是不在上述范围。
处理批次效应之前，最好先尝试理解批次效应的来源。因为有些时候批次效应是因为发生了污染，有一个词叫ambiant RNA，意思是不是当前细胞来源的mRNA。因此对待这种情况，应该尝试找出ambiant RNA的来源。方法如下
用merge把样本合并之后，对细胞分群，然后定义细胞类型。之后，把两群认定是同意细胞类型（亚类）的细胞做差异基因分析。然后查看其中的差异表达基因，看一下其中是否有“奇怪的基因”，比如，Hba，Jchain等明显是红细胞和浆细胞的特征基因。多做几组，看是否有同样的发现。然后再用如FeaturePlot眼见为实。
举例：如果发现Hba-a1,Hba-a2, Hbb-bs, Hbb-bt等红细胞基因，可用FeaturePlot对这些基因进行确认，在FeaturePlot中，如果这些基因在某个样本中所有基因都看到了低程度“表达”，那很有可能是这个样本在处理过程中，红细胞发生了破裂，内含的血球蛋白的mRNA流出，污染了整个样本。这便是当前不同样本间的批次效应来源之一。
为什么是红细胞和浆细胞？
这是我个人项目所观察到的现象。可能有两个原因：1）成熟之前的红细胞为了功能化会大量转录翻译血球蛋白，因此细胞内含有数量巨大的mRNA。浆细胞亦然，因为合成大量抗体的需要，会有很多关于相关抗体的mRNA。这一解释可以通过查看对应细胞内对应mRNA的raw counts数目得到证实。2）红细胞和浆细胞更容易因为渗透压发生破裂。
这样的来源的话，如何处理？
简单而有一定成效的方法是，在计算PCA的时候，用的基因里面去掉相关基因。
如果不是因为这样的原因造成的批次效应，那最后可能只能使用数据整合的方式，比如Seurat的IntergrateData。具体就不在这详解了
转载来自：
作者：dooooob https://www.bilibili.com/read/cv6412828 出处：bilibili
