高通量筛选数据分析：从质控到可视化的流程与工具选择

高通量筛选（HTS）数据分析的标准流程是五步：先做板级质控判断数据是否可用，再做板内与板间归一化消除系统差异，然后按预设阈值判定命中，接着用图表完成结果呈现，最后对命中候选做复核实验。这一流程的关键不是工具多先进，而是每一步都有事先约定的规则，避免"先看数据再定标准"。

HTS 的数据特点决定它不能像普通实验那样手工处理：一次campaign动辄几十块板、上万个孔，板与板之间的仪器漂移与边缘效应真实存在。没有标准化流程时，常见后果是两类错误：把板效应误判为生物学信号（假阳性），或被板间差异淹没真信号（假阴性）。本文把流程、指标与图表要点整理成可执行的清单。

一、标准分析流程与各步产出

二、关键质控指标怎么看

Z 因子

Z 因子综合反映阳性与阴性对照窗口的分离程度，是判断一块板数据质量的常用指标。筛选前应在方法学阶段确认所用检测体系能达到的 Z 因子水平，并在每块板上持续监控，发现漂移及时排查仪器与试剂。

对照变异系数

阳性与阴性对照的 CV 反映体系稳定性，CV 异常升高的板往往伴随边缘效应或加样问题，应结合板图定位原因。

空白与背景

空白孔信号的趋势变化可以提示温育时间、温度均匀性等系统性问题，是容易被忽略的免费诊断信息。

三、归一化与命中判定的注意事项

归一化建议同时保留原始值与归一化值，便于回查。命中阈值应在实验设计阶段写入方案，常用做法包括固定百分比阈值、基于统计分布的多倍标准差阈值等；对 RNAi 类筛选，还需考虑多重检验校正。判定规则一旦预设，中途修改必须有记录并说明理由，这是数据可信度的重要保障。

四、图表呈现的三个要点

第一，板图热力图按物理排布上色，让边缘效应与加样异常一眼可见，比单纯统计表更直观。第二，散点图用于呈现全板分布与命中点位置，配合阈值线可以让"为什么这个孔算命中"变得可解释。第三，剂量反应曲线用于复核阶段，展示浓度梯度下的效应变化，拟合参数应连同原始数据一起保存。图表不只是展示，更是自查手段：很多数据问题最先是在图上看出来的。

五、工具选择建议

选择 HTS 分析工具时建议关注四点：一是批量处理能力，能否按板自动执行整套流程而非逐板手工；二是质控前置，Z 因子等指标能否自动计算并联动剔除规则；三是图表联动，点击图中异常点能否回溯到原始数据；四是过程留痕，分析参数与数据版本能否保存复现。衍因智研云在数据平台层提供数据分析与文件管理能力，实验图表可以从记录数据直接生成，适合希望把筛选数据与实验记录放在同一环境管理的团队。

常见问题

Excel 能处理高通量筛选数据吗？

小规模单板勉强可以，多板campaign下公式复制、区域选择极易出错，且难以保证参数一致与过程留痕，不建议作为主力工具。

Z 因子不达标就只能重做吗？

先区分体系性问题还是个别板异常：体系不达标说明检测方法需要优化；个别板异常可排查该板操作记录后决定弃用或补救。

命中阈值定多少合适？

没有普适数值，应结合信号窗口、筛选目的（初筛偏灵敏、复筛偏严谨）在方法学阶段确定，并在方案中写明依据。

边缘效应怎么处理？

优先从实验端改善，如孵育时加盖保湿、避免使用外围孔做关键对照；分析端可通过板图确认范围，并在归一化时评估其影响。

分析代码和参数需要保存吗？

需要。参数、版本与中间数据共同构成可复现性，建议与分析结果一起归档，便于后续campaign沿用与审计回溯。

如果你的团队希望把筛选数据分析与实验记录、图表生成放在同一平台，可以了解衍因智研云的数据分析能力，或在官网查阅相关模块介绍。