深度学习批次效应校正

批次效应的本质

当整合来自不同实验批次、测序平台或实验室的单细胞数据时，技术差异往往掩盖真实的生物学信号。批次效应可能来源于：

不同的测序平台（10x Genomics vs. Smart-seq2）
不同的实验操作人员和试剂批次
样本处理和储存条件差异
细胞捕获和建库时间间隔

⚠️ 重要提醒：过度校正会抹除真实的生物学差异！在进行批次校正前，务必确认观察到的差异确实是技术性的，而非真实的细胞状态变化。

深度学习方法对比

方法	核心技术	适用场景	计算需求
scVI	变分自编码器（VAE）	大规模数据集，复杂批次结构	中等（GPU可选）
scGEN	条件VAE + 对抗训练	跨条件预测（如治疗响应）	中等
Harmony	迭代聚类 + 线性校正	快速校正，内存友好	低
LIGER	整合非负矩阵分解	多模态数据整合（scRNA+scATAC）	中等

推荐工作流：scVI-tools

scVI使用深度生成模型学习数据的低维潜在表示，同时将批次信息编码为条件变量，实现批次校正与数据整合的统一。

安装与快速开始

# 安装scvi-tools
pip install scvi-tools

# Python代码
import scanpy as sc
import scvi

# 加载数据
adata = sc.read_h5ad('multi_batch.h5ad')

# 预处理
sc.pp.filter_genes(adata, min_cells=10)
sc.pp.highly_variable_genes(adata, n_top_genes=3000, batch_key='batch')

# 训练scVI模型
scvi.model.SCVI.setup_anndata(
    adata,
    batch_key='batch',
    layer='counts'
)

model = scvi.model.SCVI(adata)
model.train()

# 获取批次校正后的低维表示
adata.obsm['X_scVI'] = model.get_latent_representation()

# 下游分析
sc.pp.neighbors(adata, use_rep='X_scVI')
sc.tl.umap(adata)
sc.tl.leiden(adata)

# 可视化
sc.pl.umap(adata, color=['batch', 'leiden'], ncols=2)

评估校正效果

定量指标

kBET（k-nearest neighbor Batch Effect Test）：检验局部邻域中批次的混合程度
LISI（Local Inverse Simpson's Index）：衡量细胞邻域的批次多样性
ASW（Adjusted Silhouette Width）：评估细胞类型分离质量

可视化检查

# 批次混合程度可视化
sc.pl.umap(adata, color='batch', title='After correction')

# 检查生物学信号是否保留
sc.pl.umap(adata, color=['CD3D', 'CD79A', 'CST3'], ncols=3)

# 使用scib-metrics评估
from scib_metrics.benchmark import Benchmarker
bm = Benchmarker(
    adata,
    batch_key='batch',
    label_key='celltype',
    embedding_obsm_keys=['X_scVI', 'X_pca']
)
bm.benchmark()

最佳实践建议

先可视化，后校正：先用PCA/UMAP查看原始数据，明确批次效应的严重程度
保留原始数据：将校正结果存储在新的obsm层，不要覆盖原始表达矩阵
多方法验证：对比scVI、Harmony等至少2种方法的结果
生物学优先：确保已知marker基因的表达模式在校正后依然合理
差异表达分析前谨慎：批次校正主要用于聚类和可视化，DE分析建议使用原始counts + 批次协变量

深度学习批次效应校正

批次效应的本质

深度学习方法对比

推荐工作流：scVI-tools

安装与快速开始

评估校正效果

定量指标

可视化检查

最佳实践建议

相关资源