Seurat设置resolution=0却得到2个聚类的原因排查问询

Seurat的聚类分为近邻图构建、社区检测两个核心步骤，对应你运行的FindNeighbors和FindClusters函数，resolution=0未返回1个聚类的核心原因和运行逻辑如下：

核心运行机制 #

• FindNeighbors会基于你指定的1:40 PCA维度计算细胞间的欧氏距离，构建k近邻图，再通过Jaccard相似度计算边权重，最终生成稀疏邻接矩阵。如果两类细胞的转录组差异足够大，两类之间不存在任何一对细胞互为k近邻，那么邻接图会天然存在两个互不连通的独立子图（连通分量）。
• FindClusters默认使用Louvain社区检测算法，resolution参数用于调整模块度的惩罚权重，控制聚类粒度。当resolution设置为0时，算法仅会合并同一个连通分量内的节点，不会跨独立的连通分量强制合并细胞，因此邻接图存在多少个连通分量，最终最少就会返回多少个聚类，而非强制输出1个。

其他可能的触发原因 #

• 算法参数差异：若你调整过FindClusters的algorithm参数，使用SLM、Leiden等其他社区检测算法，部分版本的算法实现中resolution=0的行为和标准Louvain算法存在差异，也可能出现多聚类结果。
• 近邻图参数设置问题：FindNeighbors的k.param（默认20）设置过小，会导致差异稍大的细胞群之间无法生成跨群的近邻边，更容易生成多个独立连通分量。

验证方法 #

你可以通过如下代码确认是否为邻接图连通性问题：

library(igraph)
# 提取RNA模态的近邻图
nn_graph <- gc1.1@graphs$RNA_nn
# 转换为igraph对象
g <- graph_from_adjacency_matrix(nn_graph, mode = "undirected", weighted = TRUE)
# 统计连通分量数量
count_components(g)

如果返回值为2，即可确认是邻接图存在两个独立连通分量导致的问题，可通过调大FindNeighbors的k.param参数后重新运行聚类，即可在resolution=0时得到1个聚类。

内容的提问来源于stack exchange，提问作者ksp