单细胞数据做批次校正，原始矩阵和校正矩阵怎样区分？

单细胞RNA测序把多个批次合并后，稿件常写“已做批次校正”，随后在聚类图、标记基因和差异表达表里都使用同一个“整合数据”名称。问题是，批次校正方法的输出并不相同：有的改变低维坐标或邻接图，有的产生调整后的表达矩阵。若不说明每一步实际用了哪份数据，读者无法判断聚类结构、基因表达量和统计检验是否具有同一含义。投稿前应为原始计数、归一化结果和整合输出分别命名。

先画清数据对象的流转

方法段列出原始计数矩阵的来源、参考基因组与计数软件版本，再说明逐样本质控、归一化、选择高变基因、降维和整合的顺序。批次变量是测序批次、样本、供者还是医院，要按真实实验结构命名；疾病组若与批次标签混用，可能把待研究的差异也消掉，须据实验设计核对。为关键对象建立小表：对象名、矩阵或坐标类型、行列含义、是否经过批次调整、用于哪张图和哪项检验。这样的表比一句“所有分析基于校正后的数据”更能避免混用。

分清坐标校正与表达校正

以Harmony为例，原始方法主要在低维嵌入上进行批次整合，不会因为得到一张混合良好的UMAP图，就自动生成可作差异表达输入的校正计数矩阵。其他方法可能输出基因层级的调整表达值，因此不能按工具名之外的泛称推断其数据类型。图注应写清UMAP、邻接图或聚类使用的对象；展示小提琴图或热图时另写基因表达值来自原始计数、归一化表达还是特定校正矩阵。颜色图的混合程度只能说明可视化或局部结构的一部分，不能独自证明真实生物差异得到保留。

差异表达要与统计单位对上

如果比较条件之间的细胞表达，写明输入矩阵、细胞筛选、供者或生物样本的统计单位，以及批次如何进入模型。某些流程会先按供者和细胞类型汇总计数，再在样本层级分析；另一些使用细胞层级模型，不能把细胞数直接写成独立供者数。原始基准研究显示，批次处理和差异分析方法的组合会改变检测结果。若批次与研究条件完全重合，算法无法仅凭这批数据可靠拆开二者，应把这种设计限制写进讨论，而不是用图上两团细胞已经混合来代替论证。

同时检查校正与保留

在整合前后分别按批次、供者和已知细胞类型查看低维图与数量表。检查批次驱动的分离是否减弱，也要看罕见细胞群或条件相关状态是否被过度混合；不能只挑有利的一张图。对关键标记基因，回到未校正的观测表达，核对它在各供者内是否出现。若摘要结论依赖整合后的某一簇，再追到原始样本中的细胞来源和差异分析输入，确认对象没有换名后失去来历。

提交前抽查一张UMAP、一张表达图和一张差异基因表，分别写出其输入对象和统计单位。三者若不能在方法、图注和代码记录中对应，应补清流转表，并收紧生物学解释。

参考信息：Harmony单细胞数据整合原始方法论文；单细胞批次校正方法基准研究；多批次单细胞差异表达流程基准研究。