Batch Effect, Batch Correction

Batch

• 정의:
  • 실험에서 동일한 조건 하에서 처리된 데이터 그룹.
  • 실험 환경(날짜, 기계, 실험자 등)이 일관된 데이터를 한 그룹으로 묶습니다.

---

Batch Effect

• 정의:
  • 실험 조건이 동일하지 않을 때(예: 실험 날짜, 기계, 실험자 등), 배치(batch) 간에 체계적인 차이가 발생하는 현상.
  • 생물학적 변동과 무관한 비생물학적 신호로 인해 데이터 비교가 왜곡될 수 있음.

---

예시: 실험 날짜로 정의되는 배치

• 실험이 1월 1일과 1월 2일에 진행되었다고 가정.

  샘플 ID	실험 날짜	유전자 1 발현값	유전자 2 발현값
  Sample 1	1월 1일	100	200
  Sample 2	1월 1일	120	190
  Sample 3	1월 2일	200	300
  Sample 4	1월 2일	220	310

  • Batch 1: 1월 1일에 처리된 샘플.
  • Batch 2: 1월 2일에 처리된 샘플.
• 이 경우, **배치 효과(Batch Effect)**는 실험 날짜(1월 1일 vs 1월 2일)로 인한 데이터의 차이를 말합니다.
• 문제:
  • 유전자 1과 유전자 2의 발현값이 두 날짜 간에 체계적으로 다르게 나타남(1월 2일 데이터가 전반적으로 더 높음).
  • 이 차이가 생물학적 차이가 아니라 실험 날짜에 기인했을 가능성이 높음

---

예시: 실험 장비로 정의되는 배치

• 두 개의 서로 다른 시퀀싱 장비(A와 B)를 사용한 경우.

  샘플 ID	사용된 장비	유전자 1 발현값	유전자 2 발현값
  Sample 1	장비 A	100	200
  Sample 2	장비 A	120	190
  Sample 3	장비 B	150	250
  Sample 4	장비 B	160	240

  
  
  • Batch 1: 장비 A로 처리된 샘플.
  • Batch 2: 장비 B로 처리된 샘플.
• 이 경우, 배치 효과는 장비(A vs B)로 인한 데이터의 차이를 말합니다.
• 문제:
  • 유전자 발현값이 장비 간에 체계적으로 다름.

---

Batch Correction

• 선형 모델 기반 보정
  • ComBat (sva 패키지) : 배치 정보를 회귀 분석 모델에 포함하여 보정
    • 회귀 모델
       Yij=μ+ αi+βj+ϵij   (αi : 유전자 별로 달라지는 batch effection)
    • 추정된 αi​ 값을 각 유전자의 발현값에서 제거하여 배치 효과를 보정
      Y ij corrected = Yij - αi
  • 예시
    

    샘플 ID	배치 (Batch)	유전자 i 발현값 (Yij)
    Sample 1	Batch 1	100
    Sample 2	Batch 1	120
    Sample 3	Batch 2	200
    Sample 4	Batch 2	220

•  

•  

1. 회귀 모델에서의 αi​:

• • • 모델에서 αi​는 Batch 1과 Batch 2 간 유전자 iii의 차이를 설명하는 변수.
    • αi=200−100=100

2. 추정 단계에서의 αi:

• • • 계산된 αi = 100

3. 보정 단계에서의 αi:

• • • 보정된 데이터: Y ij corrected = Y ij − αi

      ​샘플 ID	배치 (Batch)	보정 후 발현값 (Y ij corrected)
      Sample 1	Batch 1	100−0=100
      Sample 2	Batch 1	120−0=120
      Sample 3	Batch 2	200−100=100
      Sample 4	Batch 2	220−100=120