多平台B细胞淋巴瘤队列中整体转录组协调工具的基准评估表明，特征特异性分位数归一化和替代变量分析是表现最佳的方法

跨平台整合批量转录组数据仍是开发癌症生物标志物面临的根本性挑战，其原因在于持续存在且尚未解决的批次效应。大多数整合工具均基于组间生物学差异较大的数据集进行基准评估（例如TCGA肿瘤类型），而可用于临床决策的生物标志物挖掘则要求保留密切相关诊断之间细微的转录差异。在此，我们提出ComboBatch，这是一套基准测试流程，用于评估14种批次去除策略、3种插补方法、33种整合算法和2种去除后条件的全部组合，涵盖来自88个生发中心B细胞淋巴瘤队列的7,174个样本，涉及4种转录组平台。通过对2,234种整合方案的87项质量指标进行评分，我们发现，方法选择（R² = 0.36）和批次去除策略（0.26）是决定整合质量的主要因素，而插补（0.016）和去除后处理（

由于持续存在且尚未解决的批次效应，跨平台整合批量转录组数据仍是开发癌症生物标志物所面临的一个根本性挑战。大多数数据整合工具均基于组间生物学差异较大的数据集进行基准评估（例如TCGA肿瘤类型），而可用于临床决策的生物标志物挖掘则要求保留密切相关诊断之间细微的转录组差异。在此，我们提出ComboBatch，这是一种基准评估流程，用于评估14种批次去除策略、3种插补方法、33种数据整合算法以及2种批次去除后条件的全部组合；该流程涵盖来自88个生发中心B细胞淋巴瘤队列的7,174个样本，涉及4种转录组平台。通过对2,234种数据整合方案进行87项质量指标评分，我们显示，方法选择（R²=0.36）和批次去除策略（0.26）是决定数据整合质量的主要因素，而插补（0.016）和批次去除后条件（

---

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.15.751825v1?rss=1

🏷️ 跨平台转录组整合 批次效应校正 生物信息学基准评估 分位数归一化 替代变量分析 B细胞淋巴瘤