恰好最近看到了一个超级优秀的博客，安排了其中几篇给学徒们翻译和理解，超级值得读！
下面是七月优秀学员的翻译投稿
Part2-不用矫正的方法来处理批次效应
2020/10/24
并不是作者认为批次效应矫正方法不好。而是它们并不能百分百清楚的告诉用户到底怎么处理了数据，处理到什么程度。因此，先自己处理数据，如果批次效应实在是很影响后续分析，再来使用所谓的批次矫正，因为并不是所有的批次效应都可以或者应该被矫正。
我们的公众号生信技能树之前也写了很多关于批次效应的推文，例如
大家可以当做是背景知识读一下！
哈哈哈作者这句话很有意思，我的数据被诅咒了所以不好分析..其实是可能有一些批次效应作祟。
批次效应主要是想要去除实验不同步骤之间的系统差异。需要保持实验中的变量除外的环境都一致，这样才会突出变量的差异。有些是生物学差异，但最主要的差异是由技术效应导致的。最常见的情况是，批次效应由许多大大小小的差异导致，每个差异都造成了总体不必要的差异的一部分。
也许是我们对不同的样品使用了不同批次的试剂、用过不同化学成分的试剂盒、完全不同的单细胞测序平台、一个样本必须在冰上保存一夜、改变了组织分离方法、不同的样品在不同的测序平台。这些改变中的每一个都可能导致不同的结果。
虽然其中一些差异将导致很难甚至不可能预测和逆转的转录变化，还有一些则可以轻易去除。因此，对有批次效应的数据，可以做的事就是先去除已知的批次效应。
这里将重点介绍10X单细胞表达数据。
如图所示，在新型号的Illumina测序机上，流动池中的连接和DNA扩增同时进行，各步骤之间不需要对流动池进行任何清洗。样本标记仍保留在溶液中，并且可以使用具有不同标记的库中的DNA分子作为模板扩展。错误标记的分子在流动池的纳米孔之间的转移导致错误标记的DNA分子的聚集和测序。
首先去除swappedbarcodes.用这个R包DropletUtils来处理很简单~(作者给与了友情提示说这个包不好下载，结果嗖的一下就下完了..eee).
Ambientgeneexpression（环境基因表达）是指不是来自barcode细胞，而是来自其他溶解细胞的count，这些细胞的mRNA在文库构建之前污染了细胞悬液。这些增加的环境计数会扭曲下游分析，如标记基因鉴定或其他差异表达检测，尤其是当样本之间的水平变化时。在基于液滴的scRNA-seq数据集中校正这些影响是可能的，由于大量的空液滴，可用于模拟环境RNA表达谱。SoupX使用这种方法直接纠正计数数据。
第二件事是去除环境RNA污染。这一点非常重要，因为环境RNA看起来与实验中所有细胞的平均值非常相似。下图显示了这一点，它将背景污染中每个基因的平均表达与实验中所有细胞的平均表达进行了比较。
这样做的结果是，如果有两个(或更多)具有不同混合细胞的数据，最终看起来会有所不同，因为背景环境不同。去除环境污染可以使用作者写的这个SoupX，但也有其他方法。环境RNA污染会产生一种几乎总是存在的批次效应，去除它可以明显提高整合度。此图显示了将SoupX应用于某些数据之前和之后的批处理熵。熵越高，表明去除背景时混合效果越好。
在这篇论文SoupXpaper里对环境RNA污染及其影响有更完整的解释。
下面的图表可以清楚地看到，处于S期(PCNA阳性)和G2M期(MKI67期)的细胞与它们来自哪个簇都是不同的(这些细胞是thispaper中的乳头状肾细胞癌细胞)。在这里，使用PCNA作为S期标记物，MKI67作为G2M期标记物，作者认为观察标记物的表达比Seurat的CellCycleScoring函数更可靠。（这就是生物学背景知识了，在大家处理数据的过程中要尽可能多记忆一些重要的细节知识点！！！）
但是如果我们丢弃所有的周期基因呢？这应该会使它们和G1期细胞一样吧？在Seurat我们可以很容易地做到这一点
回归的去除细胞周期的影响
使用Seuratvignette来看看regresscellcycleout会怎样：
在某些情况下，在分析之前去除不需要的基因可以有效防止批次效应的产生。
显然，这些基因中的信息有时仍然有用，这个想法只是为了防止它们聚类。可能最稳健的方法是将它们从输入计数矩阵中排除，但将信息作为元数据保留，以便不时之需。例如,
reg@assays$RNA@var.features=setdiff(reg@assays$RNA@var.features,mtGenes)其实处理到最后，会感觉我们重要的单细胞转录组其实并不是全局的基因表达量啦，有点类似于特定的genepanel，也就是说目前主流的10X单细胞仪器其实可以被BD平台的单细胞取代？
批次效应在tSNE或UMAP上看起来很难看，可能至少会有一个编辑抱怨它。
主要取决于想要在分析中实现什么目标，以及通过改变数据来消除批次效应是否真的会进一步推动这一目标。
例如，单细胞分析的一个共同目标是在实验中定义特定细胞类型特有的基因。从表面上看，将你的细胞类型分成多个簇似乎会阻碍这一努力。但是，所有这些实际上都会使注释数据的任务变得更加困难。作者从来没有遇到过不想合并两个按算法选择的簇的注释的单细胞分析。
虽然没有任何确凿的证据，但作者认为如果提供的数据没有通过批次效应处理，那么标记查找方法将会做得和处理后的数据一样好，甚至更好。当然，如果您将标记查找定义为一项差异表达任务(whichIdon’tthinkyoushould)，那么使用edgeR或DESeq2会得到更好的结果，这些方法需要输入rawcounts。
有时，你的数据有很多技术差异，即使在完成上述所有操作之后，这些差异也不会去除。
但希望您可以尝试一下上面的方法去除，而不是默认运行批次效应矫正直接去除。