干扰素刺激基因被误判为批次效应：先拆开条件效应，再算基因级批次敏感度
核心概要
在跨条件单细胞数据里，原有的基因级批次效应指标会把受刺激条件驱动的基因误判为高批次敏感基因。条件感知GTE在计算前先用scDisInFact把条件效应与批次效应拆开，为每个基因给出条件驱动分数，再按该分数对原指标做乘性惩罚。在8名供者、29,065个细胞的干扰素-β刺激PBMC数据上，惩罚指数取3时，18个已知干扰素刺激基因的平均排名位移达870.2，而核糖体对照基因仍保持在基线波动内。
深度剖析
基因级批次效应评估现在可以先扣除条件效应，再判断一个基因是否真的对批次敏感，从而避免把疾病分期、药物处理或刺激条件引起的表达差异记到批次账上。 此前的GTE按同一细胞类型内的组内变异与跨批次变异之差给每个基因打分，条件驱动的差异与批次波动混在一起；原作者已注意到干扰素-β刺激数据中被判为高批次敏感的基因富集在干扰素激活通路上。 在Kang等人2018年的配对PBMC数据上，8名系统性红斑狼疮供者的样本各分为未处理对照与干扰素-β刺激6小时两组，共29,065个细胞；从全转录组随机抽取3,000个基因分析，重复抽样得到定性一致的分数分布与校正结果。
校正的做法是先给每个基因一个条件驱动分数，再用这个分数把原来的批次敏感度按比例压低，条件驱动越强压得越多。 条件驱动分数来自scDisInFact，这是一种解耦学习模型，把表达拆成共享生物因子、条件特异生物因子和批次因子三个隐空间，并用组lasso让非共享编码器第一层权重按基因成组稀疏。 每个基因的分数取该权重矩阵对应列向量的l2范数；分数分布强烈右偏，多数基因接近零，LY6E与IRF7分别为1.38和0.84，位于右尾，且LY6E在全部8名供者的刺激细胞中一致高表达。
惩罚强度由一个自适应阈值规则选定，规则同时约束两件事：尽量压低已知条件响应基因，又不让技术对照基因的排名被明显扰动。 惩罚指数k越大抑制越强，但也可能误伤真正由技术因素驱动的基因；k过小则校正不足，需要一个数据驱动的取舍标准。 以18个经典I型干扰素刺激基因为正集、15个RPS/RPL核糖体蛋白基因为负集，k=1时负集排名位移的99百分位为12.9；k=1、2、3时负集平均位移都在该阈值内，k=4起超出，可行值中k=3使正集平均位移最大，为870.2，k=1和k=2分别为534.2和692.0。
启示与展望
已展示的范围是一个干扰素-β刺激的人PBMC配对数据集，含8名供者、29,065个细胞，分析在随机抽取的3,000个基因上进行。方法被定位为下游降维或可视化之前的基因筛查诊断工具，不替代数据整合或批次校正；需要保留原始表达水平的任务仍应使用原始数据。原文提出可把框架扩展到多条件、更复杂实验设计的数据，并在全基因组尺度上评估。
自适应阈值优先控制负集的假阳性，可能使校正偏保守，在部分数据集中对条件驱动基因校正不足。负集把核糖体基因的批次敏感性主要归因于技术因素，若特定生物学情境下核糖体表达本身被扰动，阈值会被低估并影响k的选择。验证只覆盖一个干扰素-β刺激数据集并使用随机基因子集，跨数据集、组织与实验设计的普适性仍待验证；当条件分数超过1时惩罚项把校正后指标置零，这是校正流程的操作规则，并不表示该基因的表达变异全部来自生物条件。