分辨率设多少：聚成几群才合理

跟完这篇，您能给单细胞聚类挑出一个站得住脚的分辨率（resolution）：知道它怎么影响群数，一眼看出「过聚」和「欠聚」两种失败长什么样，并学会用已知 marker 和聚类稳定性两把尺子，把「聚成几群」这件事从拍脑袋变成有据可依。

聚类里最让人纠结的参数就是 resolution：调大分得细、调小分得粗，同一份数据能被聚成 8 群，也能被聚成 25 群。它没有唯一「正确值」——合适与否，取决于您要区分到多细的细胞类型，以及分出来的群能不能被生物学解释。所以这篇不给您一个数字，而是给您一套挑数字的办法。

resolution 到底在调什么

Seurat（以及大多数单细胞工具）的图聚类分两步：先在降维空间上建近邻图，再用 Louvain / Leiden 这类算法在图上找「社群」。resolution 就是社群划分的松紧旋钮：

调大：算法倾向于切出更多、更小的群 —— 群数变多。
调小：算法倾向于把邻近的细胞并到一起 —— 群数变少。

library(Seurat)

# 前提：seu 已完成 NormalizeData / RunPCA / FindNeighbors
seu <- FindNeighbors(seu, dims = 1:30)   # dims 按肘图定，非固定值

# resolution 越大，分出的群越多；0.8 是 Seurat 默认值
seu <- FindClusters(seu, resolution = 0.8)

几个要点，先记住：

resolution = 0.8 是 Seurat 的默认值，常用范围大致在 0.4 ~ 1.2 之间。这是惯例、按数据调，不是铁律：细胞数越多、异质性越高，往往需要更大的分辨率才能把该分开的类型分开。
resolution 只影响「怎么分群」，不影响 UMAP 的坐标。UMAP 只用于看图，改分辨率时点的位置不动，变的只是每个点被染成哪一群的颜色。
群的编号（0、1、2……）只是标签，本身没有生物学含义。别被「聚出了 20 群」这个数字唬住 —— 群多不等于分得好。

先扫一遍：一次跑多个分辨率

定分辨率的第一步，不是猜一个值，而是在一个范围里连扫几个值，把候选摊开来比。FindClusters 的 resolution 直接接受一个向量，一次算完，结果分别存进 meta.data 的不同列：

# 一口气跑一串分辨率，各自存成一列
seu <- FindClusters(
  seu,
  resolution = c(0.2, 0.4, 0.6, 0.8, 1.0, 1.2)
)

# 每个 resolution 的结果存在 <assay>_snn_res.<值> 这样的列里
# 例如 RNA_snn_res.0.4、RNA_snn_res.0.8 …
colnames(seu@meta.data)

先看每个分辨率各分出多少群，心里有个数：

# 逐个分辨率数群数
sapply(
  grep("_snn_res\\.", colnames(seu@meta.data), value = TRUE),
  function(col) length(unique(seu@meta.data[[col]]))
)

再把相邻的几个分辨率并排画出来，直观感受「多分的那一群是从哪切出来的」：

library(patchwork)

p1 <- DimPlot(seu, group.by = "RNA_snn_res.0.4", label = TRUE) + ggtitle("res 0.4")
p2 <- DimPlot(seu, group.by = "RNA_snn_res.0.8", label = TRUE) + ggtitle("res 0.8")
p1 + p2

扫的过程中会看到一个规律：分辨率从小到大，群数先快速增加、后趋于平缓。平缓段往往意味着「真实的类型差不多都分出来了，再加分辨率只是在切噪声」——这个拐点附近，通常就是值得重点考察的区间。

过聚与欠聚：两种失败长什么样

分辨率错了有两个方向，症状正好相反。学会认这两副面孔，比记任何默认值都有用：

	欠聚（分辨率过低）	过聚（分辨率过高）
群数	偏少	偏多
典型表现	一群里混着互斥的 marker	一种细胞被切成好几群
marker 信号	同一群同时高表达 `CD3D`（T）和 `CD14`（单核）	相邻几群的 marker 几乎一模一样
差异检验	群内异质，下游比较被稀释	相邻群之间几乎找不到显著差异基因
UMAP 上看	一团点明显该分开却被涂成一色	一片连续的点被硬切成好几块
怎么办	调大 `resolution`，或对该群单独再聚类	调小 `resolution`，或合并 marker 高度重叠的相邻群

判断的抓手就两句话：

欠聚看「一群里有没有本不该共存的 marker」。如果某一群同时冒出两套互斥谱系的标志基因，说明两类细胞被并在了一起，该往上调。
过聚看「相邻群之间还分不分得开」。如果两群互相之间几乎找不到差异基因、marker 高度重叠，说明它们本是一类，被无谓地切碎了，该往下调或合并。

提醒：稀有细胞类型天生就少、也可能天生就该独立成一小群。「群小」不等于「过聚」——关键看它有没有自己特异的 marker，而不是看它有几个细胞。

用 marker 判断：分对了吗

数群数、看 UMAP 都只是外围观察，真正定案要回到生物学：每一群能不能用已知 marker 讲清楚它是什么。这是判断分辨率最硬的一把尺子。

做法是对候选分辨率下的分群跑一遍 marker，看各群是否各有特异标志：

library(dplyr)

# 先把 Idents 设成要考察的那个分辨率
Idents(seu) <- "RNA_snn_res.0.8"

markers <- FindAllMarkers(
  seu,
  only.pos = TRUE,        # 只看上调，即本群相对高表达的基因
  min.pct = 0.25,         # 至少在 25% 的本群细胞里检出：常用惯例，按需调
  logfc.threshold = 0.25  # log2FC 门槛：常用惯例，非铁律
)

# 每群取区分度最高的前几个 marker
top <- markers %>% group_by(cluster) %>% slice_max(avg_log2FC, n = 5)

拿到 marker 后，用两条准则对照分辨率：

每群都有自己特异的 marker（pct.1 高、pct.2 低） —— 说明这个分辨率分出的群是「有身份」的，分得住。
相邻两群的 top marker 几乎完全重叠 —— 过聚的信号，这两群该合。
一群里同时挤着两套互斥 marker —— 欠聚的信号，这群该拆。

把关心的经典 marker 画成 DotPlot，一眼就能看出「每群是否各占一个 marker」：

# 一个 marker 只在某一群又大又深、别群又小又浅，才说明这群分得干净
DotPlot(seu, features = c("CD3D", "CD8A", "MS4A1", "CD14", "NKG7", "LYZ")) +
  RotatedAxis()

一个实用的判定标准是：合适的分辨率，应当让您已知的、真正关心的细胞类型「恰好各成一群」——既没有把一类劈成两半，也没有把两类揉在一起。marker 面板怎么挑、注释怎么核对，展开见细胞注释：手动 marker 与自动 SingleR。

用稳定性判断：clustree 看分裂脉络

marker 回答「分得对不对」，稳定性回答「分得稳不稳」——一个可信的群，应该在分辨率小幅变动时基本保持原样，而不是稍微一调就散架重组。clustree 是看这件事最直观的工具：它把不同分辨率的分群串成一棵树，每个分辨率一层，箭头表示细胞从上一层的群流向下一层的群。

library(clustree)

# prefix 对应 meta.data 里那批列的共同前缀
clustree(seu, prefix = "RNA_snn_res.")

看这棵树，重点关注两种信号：

干净的一分为二：某一层里，一个群清清楚楚地裂成两个稳定的子群，箭头几乎不交叉 —— 这往往是真实的亚型被分辨率提高后揭示出来，是可信的细分。
来回横跳的乱麻：某一层往上一调，箭头就大量交叉、细胞在几个群之间反复搬家 —— 这说明分群已经不稳，多半是在切噪声，是过聚的预警。

稳定性还可以用重采样来量化：对细胞做有放回抽样（bootstrap）重新聚类，看原来的群有多大比例被复现出来。复现率高的群稳、低的群可疑。这类做法在 bluster 等包里有现成实现，思路都是「扰动一下，看群还在不在」。这里不展开，记住原则即可：经得起小扰动的分群，才值得信。

综合起来：怎么定一个合适的值

把上面几把尺子合到一起，定分辨率其实是一套可复现的流程，而不是玄学：

连扫一个范围：如 c(0.2, 0.4, 0.6, 0.8, 1.0, 1.2)，先看群数随分辨率怎么涨，找到增长趋缓的拐点区间。
在拐点附近取候选：不必逐个细究，锁定两三个值重点考察即可。
用 marker 验身份：候选分辨率下，每群是否各有特异 marker？有没有该拆的、该合的？以「已知类型恰好各成一群」为准。
用 clustree 验稳定性：候选值处的分群，是干净的分裂还是来回横跳的乱麻？
落到能解释的那个：选一个既能把您关心的类型分开、又足够稳、每群都讲得通的值。宁可稍偏保守（略欠聚、群更纯），也别为追求「分得细」而过聚出一堆解释不了的群。

几条贯穿始终的原则：

没有全局最优的分辨率，只有匹配问题的分辨率。 想区分大类（T / B / 髓系），低分辨率就够；想抠某类细胞的亚群，就需要更高分辨率，甚至把这类细胞单独拎出来再聚一次。
分辨率是可以分层的。 常见做法是先用较低分辨率分出大类，再对感兴趣的大类单独做 subcluster、用更高分辨率细分。这比强行用一个全局高分辨率把所有类型一次切到底更稳、更好解释。
让生物学有最终发言权。 数群数、看树都是辅助，一个群站不站得住，最终看它能不能用 marker 讲成一个说得通的细胞类型。

常见坑

坑	表现	怎么办
默认值当标准答案	直接用 `resolution = 0.8` 就定稿，从不比较	至少连扫一个范围，用 marker 和 clustree 验一遍再定
群越多越好	一味调大分辨率，追求「分得细」	群多不等于分得好；相邻群 marker 重叠、找不到差异，就是过聚
把稀有类型当噪声	见到小群就调低分辨率想合掉	小群只要有自己特异的 marker，就是真类型，别误伤
只调分辨率不查上游	分不开时只在 `resolution` 上硬调	先确认 `dims`（主成分数）、高变基因、批次效应没问题，分辨率救不了坏输入
过度解读 UMAP 距离	按 UMAP 上簇的远近判断该分几群	UMAP 只用于看图，簇间距离不代表定量关系，分群以 marker 为准
一个分辨率打天下	用同一个全局值又要分大类又要抠亚群	分层做：低分辨率分大类，感兴趣的类单独 subcluster 再细分

关于批次效应会不会假性拉高群数、需不需要先做整合，见批次效应怎么识别与校正。

在平台上跑一遍

不想装 Seurat、clustree，也能完成这套「扫分辨率 —— 验 marker —— 看稳定性」的流程：在百沐一下传入已降维的单细胞对象，用一句话说清目的——「帮我在 0.2 到 1.2 之间扫几个分辨率，比较群数、各群 marker 和聚类稳定性，推荐一个合适的值」，平台会自动跑多组分辨率、算各群 marker、画 clustree 与 DotPlot，并连同可复现的 R 代码一起交付，过聚或欠聚的迹象会替您标出来。用法见组学分析助手使用指南。