louvain算法_单细胞聚类（四）图解Leiden算法对Louvain算法的优化

    Louvain算法是目前单细胞分析中最常用的聚类算法[1]，Seurat/Scanpy/RaceID等单细胞分析工具都默认louvain算法。6天前HumanCell Atlas(HCA)团队发表在Nature Method上的单细胞分析流程中[2]，默认的聚类算法是scran包的方法：细胞间权重基于排序计算(rank-based)，聚类算法用Walktrap。这跟杰卡德距离+Louvain算法的方法截然不同。

       聚类算法孰优孰劣，此前已经有人做过比较。2016年Scientific Reports上有一篇文章比较了igraph包里的8种聚类算法，其中包括了Louvain和Walktrap[3]。测试结果的准确率Louvain和Walktrap相近。但是，当节点数(细胞数)大于6000时，Louvain的表现要优于Walktrap。

    总结评测结果，Louvain算法表现是最好的。但仍有不少文章选择其他聚类算法，因为louvain算法有以下几个缺点：

1. 社区划分的精度有局限性[4]；

2. 分组内细胞分布密度的大小会影响亚群的鉴定[2];

3. 被鉴定为同一个分群的细胞群内，存在两个没有连线的小分群[5]。

    Leiden算法主要针对上述的第3个缺点，对louvain算法进行优化[5]。

    Leiden算法的命名来源于荷兰莱顿大学(Leiden University)。该算法由莱顿大学的三位研究员开发，结果于今年3月份发表在Scientific Reports上。

<