BatchQC——生成批次效应对数据影响的报告及是否需要校正

hfliu

测序和微阵列样品通常以多个批次或不同时间收集或处理。这通常会产生技术偏见，导致下游分析结果不正确。 BatchQC是一种软件工具，通过提供交互式诊断，可视化和统计分析来简化批量预处理和评估，以探究批量变化对数据的影响程度。 BatchQC诊断有助于确定是否需要完成批量调整，以及在进行下游分析之前如何应用校正。此外，BatchQC对数据进行了多种常用的批处理效应处理，用户可以快速查看每种方法的优点。 BatchQC被开发为Shiny App。输出被组织成多个选项卡，每个选项卡都是批处理效果分析和数据可视化的重要部分。 BatchQC报告具有以下部分：总结，差异表达分析，中值相关性，热图，圆形树状图，PCA分析，形状，ComBat和SVA。
Bioconductor BatchQC
在Bioconductor中这个包的教程是Rmarkdown写的，很容易懂，BatchQC package Introduction    BatchQC Examples
一个例子

[AppleScript] 纯文本查看 复制代码

library(BatchQC)
data(example_batchqc_data)
#内置的数据,包含表达量矩阵和批次的信息和数据是分为哪几组，比如不同时间点的数据
batch <- batch_indicator$V1
#批次效应分组，一共三组
condition <- batch_indicator$V2
#数据标签，一共10种不同情况下的数据
batchQC(signature_data, batch=batch, condition=condition, 
        report_file="batchqc_signature_data_report.html", report_dir=".", 
        report_option_binary="111111111",
        view_report=FALSE, interactive=TRUE)
#生成BatchQC报告

这里将 interactive=TRUE，交互模式打开，结果是生成网页的形成查看


如果觉得要进行批次效应的消除，可以运行

[AppleScript] 纯文本查看 复制代码

#Apply combat and rerun the BatchQC pipeline on the batch adjusted data
combat_data.matrix = ComBat(dat=signature_data, batch=batch)
#combat_data.matrix即为校正后的表达矩阵
batchQC(combat_data.matrix, batch=batch, condition=condition, 
        report_file="batchqc_combat_adj_report.html", report_dir=".", 
        report_option_binary="110011111",
        interactive=FALSE)

将生成校正后的报告，这里将交互模式关闭，生成本地的报告文件

学习最快乐

https://sanwen.net/a/efowqwo.html
这个网站讲的批次效应挺详细