biolearnexact1t9fq7ex9n4x9mrx9mpxgc9xkgs

バッチ効果とは何か

この記事で学ぶこと

バッチ効果は、実験日、試薬、担当者、測定機器、処理手順などの違いによって、サンプル間に生じる技術的な差です。

生命科学データでは、見えている違いが生物学的な条件差なのか、測定や処理の違いによる差なのかを分けて考える必要があります。バッチ効果は、後者の代表的な要因です。

バッチ効果を見落とすと、技術的な違いを生物学的な条件差として解釈してしまうことがあります。RNA-seqやsingle-cell RNA-seqでは、別の日に処理した、別の試薬ロットを使った、別の機器で読んだ、といった違いでデータがまとまって見えることがあります。

UMAPやPCAで、条件ではなく実験日ごとに点が分かれる場合、バッチ効果の可能性があります。論文では、実験デザイン、サンプルの割り付け、補正方法、補正前後の図を確認します。

条件Aのサンプルをすべて月曜日に処理し、条件Bをすべて火曜日に処理すると、条件差と実験日の差が重なります。この場合、UMAPやPCAで群が分かれても、生物学的差とは限りません。

single-cell RNA-seqでは、サンプルごと、ライブラリ調製日ごと、シーケンスランごとに細胞がまとまって見えることがあります。

サンプルのメタデータを見て、条件、実験日、試薬ロット、担当者、シーケンスランなどがどう割り付けられているかを確認します。PCA、UMAP、クラスタ、マッピング率、ライブラリサイズなどを、条件だけでなくバッチ情報でも色分けして見ます。

バッチ補正は、技術的な差を小さくするための処理です。ただし、補正すれば常に正しいわけではありません。条件とバッチが完全に重なっていると、生物学的差と技術的差を分けにくくなります。

補正によって技術的なまとまりが小さくなり、条件差や細胞タイプの違いを見やすくなることがあります。一方で、補正が強すぎると本来の生物学的差まで小さく見える可能性があります。

補正前後の図、補正に使った変数、条件とバッチの関係を確認します。特に条件Aがすべてバッチ1、条件Bがすべてバッチ2のようなデザインでは、補正だけで問題を解決することは難しくなります。

論文では、QC図、PCA、UMAP、補正前後の比較として出てきます。Methodsでは、バッチをモデルに入れた、統合解析を行った、補正ツールを使った、といった説明があります。

読むときは、条件とバッチが交絡していないか、補正前の図が示されているか、補正後に生物学的差まで消えていないかを確認します。

日本語	英語	略語	説明
バッチ効果	batch effect	-	実験日、試薬、機器などの違いによって生じる技術的な差。
交絡	confounding	-	知りたい条件差と別の要因が重なり、影響を分けにくくなること。
PCA	principal component analysis	PCA	データの大きなばらつきを説明する軸を見つける方法。
メタデータ	metadata	-	サンプルの条件、処理日、由来など、データを解釈するための情報。

確認問題

読み終えた内容を、1問ずつ選択式で確認します。

未回答

4問最高記録なし復習なし