空间聚类基础：KMeans、Louvain、Leiden聚类在空间spots上的应用与局限性

拿到空间转录组数据，第一件事往往是问：这些spots到底能分成哪些区域？说白了，就是空间聚类。我刚开始接触这行时，以为把普通单细胞聚类算法直接搬过来就行，结果跑出来的图惨不忍睹——相邻的spots被分到不同cluster，空间连续性全没了。今天咱们就聊聊三种最常用的聚类方法：KMeans、Louvain、Leiden，看看它们在空间spots上到底怎么用，坑在哪里。

KMeans：简单粗暴，但太“天真”

KMeans的原理大家都知道，基于欧氏距离，迭代找中心点。把它用在空间spots上，就是把每个spot的基因表达向量当特征，硬生生分成K堆。

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=5, random_state=42)
spatial_clusters = kmeans.fit_predict(expression_matrix)
# expression_matrix shape: (n_spots, n_genes)

嗯，代码看着挺干净。但我第一次跑完拿到结果时，发现某些cluster的spots在整个组织上像撒芝麻一样散落。为什么？因为KMeans根本不看spots之间的空间位置关系，它只认表达谱相似度。

我建议只在做快速初步探索时用KMeans，比如看看区域是不是大致能分成几块。正式分析？别指望它。

Louvain：考虑图结构，但分辨率调到你崩溃

Louvain是单细胞转录组聚类的老牌方法，后来被搬到空间数据上。它的核心思想是：先根据spot间的基因表达相似度和空间邻域构建一个图，然后用模块度优化来划分社区。

步骤大致这样：

1. 构建空间邻接图（比如基于距离半径或KNN）
2. 给边加上权重（表达相似性）
3. 跑Louvain算法，迭代合并社区使模块度最大

import scanpy as sc
# 假设 adata 已包含 spots 的空间坐标和表达
sc.pp.neighbors(adata, n_neighbors=10, use_rep='X_pca')
sc.tl.louvain(adata, resolution=0.5)
# adata.obs['louvain'] 就是聚类标签

我在项目中遇到过这样的场景：用一个稀疏的邻接图（比如只连最近的两个邻居），Louvain很容易把所有spots聚成一团。调高resolution参数，社区又碎得厉害。我去过一个坑，当时以为resolution越高越好，结果跑出来30多个cluster，组织切片上看全是噪点。

Leiden：更精细，更稳当

Louvain有一个内在缺陷：它可能会把不连通的社区当作一个最优解。Leiden算法在Louvain基础上加了一步“精炼”，保证划分出的每个社区内部是连通的。说白了，就是更细的粒度控制。

使用起来和Louvain几乎一样：

sc.tl.leiden(adata, resolution=0.5, n_iterations=-1)
# 相比louvain多了一个 n_iterations 参数控制迭代次数

我个人习惯把Leiden作为空间聚类的首选。原因很简单：
– 算法更稳定，多次跑结果一致
– 能自动检测不同大小的社区
– 计算速度不输Louvain（甚至更快一点）

记得有一次比对两种方法，同样的数据、同样的分辨率，Louvain分出的cluster边缘非常模糊，Leiden却能清晰勾勒出过渡区。这在实际的肿瘤切片分析中，直接影响到肿瘤边界判断。

三种方法对比一表看清

方法	输入依赖	空间约束	自动聚类数	稳定性	适用场景
KMeans	表达矩阵	无	否	高（但结果差）	快速预分类
Louvain	图+表达	通过邻接图间接	否（resolution调）	中等	常规空间聚类
Leiden	图+表达	连通性保证	否（resolution调）	高	推荐首选

避坑指南（我踩过的那些坑）

我曾经在一批小鼠脑组织数据上用Louvain跑聚类，相同的参数在两份切片上得到完全不同的区域划分。后来发现，问题出在邻接图的构建上——两份切片的空间分辨率不一致，导致KNN邻域包含的实际组织区域面积不同。
解决办法？用“物理距离半径”代替“最近邻居个数”，比如设定半径50微米内的spots都连接起来。

还有一个坑：不要把所有基因一股脑塞进邻接图计算。我建议先用高度可变基因（比如top2000）降维新维度（PCA），然后基于低维embedding计算邻接图和相似度。否则计算量上天，而且噪声会把好的聚类糊掉。

你想想看，空间聚类本质上是在“表达相似性”和“空间邻近性”之间找平衡。Leiden给了我们一个相对好的起点，但参数调优的过程，永远没法完全自动化——这就是最考验经验的地方。