看起来整齐的矩阵，可能来自不同测量世界
研究团队收到两份表达矩阵时，最容易先比较行名和列名。若基因标识能够对齐，文件也能被同一程序读取，人们会自然地把它们合并。然而表达值不是脱离实验条件存在的数字。芯片平台、探针设计、RNA质量、样本保存、背景校正和信号汇总都会改变数值尺度。
同一个基因在两份数据中出现，不代表两边测量了同一种转录本，也不保证低表达区间具有相同噪声。合并前应先确认平台、注释版本、信号类型和单位，再判断是否存在可以比较的共同空间。
批次效应会伪装成生物差异
如果病例主要来自实验室A，对照主要来自实验室B，实验室差异就会与研究分组重合。模型即使找到显著信号，也无法分辨变化来自疾病还是处理流程。增加样本量不会自动修复这种混杂，反而可能让错误差异更加稳定。
较可靠的设计会让关键分组分散到不同批次，并在分析时保留实验来源。无法重新设计时，至少要检查主成分、样本相关性和已知控制基因，观察样本是否先按实验室聚类。
标准化不是把所有数字变得相似
RMA等方法可以处理特定芯片数据中的背景、分位数和探针汇总问题，但它依赖明确的输入类型与平台假设。对已经经过未知处理的矩阵再次标准化，可能抹掉真实差异，也可能制造新的结构。
跨实验比较更适合从原始数据、统一注释和共同流程开始。如果只能取得处理后数据，应把每份矩阵的来源和处理历史当作分析变量，而不是假设它们已经完全可比。
OixCloud项目中应保留哪些上下文
客户端同步矩阵时，应与数据一并保存平台名称、注释版本、处理流程、样本分组、时间范围和缺失值规则。接收端看到的不只是一个文件，还应能判断这个文件在什么条件下产生。
真正可复核的交付会保留原始输入、处理脚本版本与输出之间的关系。这样发现异常时，可以回到产生差异的环节，而不是在最终矩阵上反复猜测。
一个可复现的合并顺序
先分别保存两份数据的原始分布，不在第一步改变数值。随后统一基因标识版本，列出无法一对一映射的探针或转录本。第三步只在共同样本条件中比较控制基因、表达范围和主成分，观察实验来源是否仍是主要分组因素。最后再决定采用联合模型、分层分析，还是只做方向性比较。
这个顺序的重点是让每次变化都能被定位。若一开始同时改写标识、填补缺失值、过滤样本并校正批次，结果改善时很难知道哪一步真正起作用，结果变差时也无法安全回退。
哪些差异不应该被校正
实验室差异有时就是研究问题的一部分。例如比较不同保存流程、测量平台或临床路径时，删除这些变化会失去问题本身。校正之前应写出希望保留的生物因素、希望降低的技术因素，以及两者是否在设计中发生重合。
若技术因素与研究分组完全重合，应把结论限制为当前数据中的关联，不能声称已经分离原因。此时补充独立批次或外部验证，往往比继续调整算法更有价值。