高通量数据中批次效应的鉴定和处理(二)

发布网友 发布时间：2024-10-24 02:27

我来回答

共1个回答

热心网友 时间：2024-11-06 20:22

确认批次效应影响的途径之一是通过样品的层级聚类热图与样品属性信息注释相结合，观察聚类结果是否受到批次效应的影响。例如，若在热图中某特定样品（如WT_1）在聚类分支上与其他样品处于不同分支，且从列注释图中可见其seqPlatform和batch信息与其他样品不同，这可能提示存在批次效应影响。

整合多套数据集进行展示时，通常需加入数据来源信息，以证明分析结果不受批次等因素影响。如图所示，每一列代表一个样品，每一行为一个菌群，列注释中显示样品来源于两个数据集。聚类结果显示，数据集来源对样品分布影响不明显，表现为四大聚类分支中样品来源分布较为均匀，暗示批次效应影响较小。

使用主成分分析（PCA）可直观判断是否存在批次效应。若样品在PCA图中按数据集而非样本类型聚在一起，表明数据来源对检测结果影响超过样本类型，提示存在批次效应。去除批次效应后，样品在PCA图中按正常-癌旁-肿瘤分布，表明当前主要影响因素为样本类型。此时，通过在更多PC轴上的样品分布分析，可进一步判断批次效应去除的程度。

通过观察样本整体表达分布，可初步判断是否存在批次效应。不同来源的样本通常会各自标准化，合并后，若整体表达分布存在明显偏移，则可能暗示批次效应存在。校正后，样本整体表达分布趋于均一，但是否批次影响完全去除，还需结合其他方法进行判断。

最后，通过观察部分基因集的表达变化，可进一步验证是否存在批次效应影响。不同来源的数据标准化后，若整体表达分布均一，但随机选择的数百基因表达受到批次影响，且聚类结果将两组正常样品分别归入各自来源对应的分支，这表明批次效应确实存在。