Genome Biol | 侯庆振团队建立空间转录组批次效应定义与评价框架

近日，山东大学侯庆振课题组在GenomeBiology发表题为A systematic benchmark of batch effect correction methods for spatialtranscriptomics的研究论文。研究对空间转录组批次效应进行系统定义与分类，并建立统一评价框架SpaBEAT（Spatial Batch Effect Assessment and Testing），为复杂空间转录组数据整合、方法选择和结果可靠性评价提供标准化参考。

在各类组学研究中，批次效应是影响数据质量和结果可靠性的普遍问题。空间转录组同时包含基因表达和组织位置信息，不同切片、样本和技术平台之间的差异更容易与真实生物学差异相互混杂。校正不足可能把技术偏差误认为生物学变化，校正过度则可能削弱真实的组织结构和疾病相关信号。如何区分二者，是空间转录组数据整合的核心难题。

针对这一问题，研究提出切片间、样本间、跨实验方案或平台，以及切片内四类批次效应场景，并据此构建SpaBEAT框架。该框架从批次效应去除和生物学信息保留两个维度评价整合质量，覆盖多类空间转录组技术、不同组织来源和典型整合任务，同时结合方法适用范围与计算效率，对10种代表性方法进行统一比较。为提高评价的可信度和解释力，研究进一步构建了技术扰动与生物学差异可独立控制的模拟和半模拟数据，并考察数据预处理、不同平台间的基因重叠以及细胞分割策略对结果稳定性的影响。

研究结果显示，空间转录组批次校正具有明显的场景依赖性。在相对单一的切片间整合任务中，部分方法能够同时降低技术差异并保留组织分区；当整合对象扩展到不同样本、不同实验方案或不同平台时，方法间差异明显增大。尤其在跨平台场景中，检测原理、空间分辨率和基因覆盖范围的差异相互叠加，批次去除更容易伴随真实生物学信号的损失。模拟与稳健性分析进一步表明，方法表现会受到批次效应强度、基因面板重叠程度、数据预处理和细胞分割策略等因素影响。因此，不同方法各有适用场景，没有一种方法能够在所有任务中持续保持最优。

该研究将长期缺乏统一标准的空间转录组批次效应问题，转化为可定义、可比较、可复现的评价体系。SpaBEAT不仅为不同研究场景下的数据整合和方法选择提供依据，也为后续整合算法的开发与验证提供基准数据、模拟体系和可复现工作流程。处理后数据、源代码及项目文档均已公开。

山东大学公共卫生学院硕士研究生赵明慧、张映欣和博士生周娜，以及山东女子学院井明教授为共同第一作者；侯庆振教授为通讯作者。山东大学为论文第一署名单位和通讯作者单位。

原文链接：https://link.springer.com/article/10.1186/s13059-026-04281-x

项目网站：https://spabeat.readthedocs.io/en/latest/

制版人：十一

参考文献

1. Rao A, Barkley D, França GS, Yanai I. Exploring tissue architecture using spatial transcriptomics.Nature. 2021;596(7871):211-220.

2. Moses L, Pachter L. Museum of spatial transcriptomics.Nature Methods.2022;19(5):534-546.

3. Yu Y, Mai Y, Zheng Y, Shi L. Assessing and mitigating batch effects in large-scale omics studies.Genome Biology.2024;25(1):254.

4. Hu Y, Xie M, Li Y, et al. Benchmarking clustering, alignment, and integration methods for spatial transcriptomics.Genome Biology.2024;25(1):1-46.

5. Zeira R, Land M, Strzalkowski A, Raphael BJ. Alignment and integration of spatial transcriptomics data.Nature Methods.2022;19(5):567-575.

学术合作组织

（*排名不分先后）

推荐直播

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘