单细胞转录组测序技术是分析单个细胞内基因表达水平使用最广泛的技术。随着单细胞转录组测序技术的快速发展和测序成本的逐渐降低,大量的单细胞转录组数据随之产生,这鼓励了一些超大规模生物项目的成立,如小鼠和人类的细胞图谱。该项目致力于构建一个囊括生物体内几乎所有细胞的参考图谱,但受限于目前的生物技术,不可避免地要求分批生成数据。因此,近年来集成不同批次的单细胞转录组数据成为了生物信息学领域内的热点问题。与单一数据相比,集成后的单细胞转录组数据具有更多的细胞数量,从而有助于识别常见和罕见的细胞类型,并能更精确地定义细胞身份。然而,分批生成的数据可能因为不同的研究人员、不同的时间、不同的测序平台等因素导致批次效应,使各个批次间的基因表达存在系统性差异。这种差异可能会掩盖潜在的生物学特征或在数据中引入虚假的结构,导致后续分析得到误导性结论。因此,集成多个单细胞转录组数据集首先需要校正不同数据集中由批次效应引起的变化,如何使用计算的方法校正跨多个数据集分析中的批次效应是生物信息领域亟待解决的问题。目前已有一些单细胞转录组批次校正方法。其中fast MNN、Seurat3、BBKNN方法对数据具有很强的假设:细胞间批次效应的差异应远小于不同细胞类型间的生物差异。但由于不同的数据集有不同的细胞类型和批次效应,使得一些数据集不满足这种假设,从而错误地进行批次效应校正,影响结果的准确性。Harmony方法通过迭代聚类不断地最大化类中的批次多样性来校正批次效应,但类中的一些批次可能没有该类细胞。从而忽略真实的生物差异,过度集成不同批次,影响结果的准确性。sc Merge方法先对每个批次的数据进行聚类,随后在细胞簇之间完成批次效应校正。该方法结果的鲁棒性和准确性有所提高,但计算时间长,占用内存大,无法在较大规模的单细胞数据集上运行。针对现有方法对数据存在强假设、过度集成等问题,影响了批次效应校正结果的准确性。本文利用不同批次的细胞类别标签,无需假设细胞间批次效应的差异远小于不同细胞类型间的生物差异。随后通过不同批次间类别标签互相匹配的细胞簇的基因表达差异准确识别批次效应,解决单细胞转录组批次效应结果不准确的问题。方法主要分为以下几个步骤:（1）识别各个批次数据集的类别标签;（2）在各个批次间进行类别匹配;（3）在匹配上的类别中进行局部批次校正,没匹配的类别进行全局批次校正。最终得到一个批次效应校正后的数据集用于后续分析。为了验证本文方法的有效性,选取批次间细胞类型完全匹配、批次间细胞类型不完全匹配、多批次以及大规模批次等四个场景共计六个数据集,将本方法与现有的fast MNN、Seurat3、Harmony、LIGER、sc Merge以及Scanorama方法进行比较。通过可视化、调整兰德系数、平均轮廓宽度以及局部逆辛普森指数这四个评价指标从不同批次的细胞混杂程度和批次校正后的细胞类型纯度两方面对上述方法的结果进行分析。实验结果表明:本文方法在四种不同的单细胞转录组批次效应校正场景下都较为准确地完成了批次效应校正任务,具有较高的批次校正后的细胞类型纯度。如:本方法在c LISI指标上始终拥有最佳表现;在人外周血单核细胞数据集的可视化上本方法成功地将极为相似的Monocyte细胞亚型分离,而其它的现有方法则全部失效。