多个Seurat对象可以合并，但“合成一个对象”不代表数据层、归一化结果、降维和图都会按原样保留。动手前先说明用途：只是汇总原始counts、继续整合，还是直接下游比较；再核对对象的assay、layer、细胞名和参考版本。
| 检查项 | 核对方式 | 常见风险 |
|---|---|---|
| 软件版本 | 记录Seurat与SeuratObject版本 | 不同版本的数据层行为不同 |
| assay/layer | 列出RNA、SCT等及counts/data | 把不同分析阶段的层混在一起 |
| 细胞标识 | 检查样本来源和条码重复 | 不同样本同名细胞被误认为同一细胞 |
| 元数据 | 检查样本、批次、条件列 | 合并后无法追溯来源 |
| 降维和图 | 明确是否需要重新计算 | 旧图或整合结果并非通用合并产物 |
以下示例假设每个对象都包含RNA counts和sample列。先在副本上操作，避免覆盖原始RDS。Seurat的merge可为细胞名添加样本前缀；合并后按预期比较输入/输出细胞数、重复条码和样本分布。
library(Seurat)
objs <- list(S01 = obj1, S02 = obj2)
stopifnot(all(vapply(objs, inherits, logical(1), "Seurat")))
stopifnot(all(vapply(objs, function(x) "RNA" %in% Assays(x), logical(1))))
merged <- merge(
x = objs[[1]], y = objs[-1],
add.cell.ids = names(objs), merge.data = FALSE
)
stopifnot(ncol(merged) == sum(vapply(objs, ncol, integer(1))))
table(merged$orig.ident, useNA = "ifany")
Layers(merged[["RNA"]])
如果输入对象的处理步骤或归一化方法不一致，合并原始counts并重新按计划处理通常更容易解释；若确实要保留data层，应先确认各对象使用相同方法和参数。merge不会替代批次整合，也不会保留所有图、命令历史和feature级元数据。
Seurat v5合并后可能保留按样本拆分的counts/data层，这对后续IntegrateLayers工作流可能是有意设计。若后续函数要求单一层，且研究流程确实不再需要分层，才在副本上执行JoinLayers并重新检查layer名称、细胞数和下游输入。不要为了让某个函数“能跑”就盲目连接，也不要把counts-only对象当成已完成归一化的对象。
保存新文件前核对合并前后细胞总数、每个样本的细胞数、细胞名唯一性、关键metadata和counts维度；抽查若干细胞的原始计数是否来自预期样本。将原始对象保留为只读，记录脚本、版本和是否JoinLayers。只有确认结果满足后续分析目标，才把新对象作为项目输入。
合并前准备一张样本表，每个对象一行，至少包含对象路径、样本名、实验条件、批次、建库类型、参考版本和预期细胞数。读入后将样本名写入metadata，再检查每个对象的细胞名是否唯一。对于不同物种、不同参考或不同计数流程得到的对象，先确认feature ID和基因注释可以比较；不能因为对象结构相似就直接合并。示例中的对象列表名称要与样本表一致，真实项目可用循环读取并按清单逐一核对，避免文件顺序变化造成样本标签错位。
出现细胞数不一致时先暂停保存，分别比较每个输入对象的ncol、细胞条码和metadata行名；不要用强制改名或丢弃行来掩盖问题。合并后抽取每个样本若干细胞，核对RNA counts是否非空且来源标记正确。保存新的RDS后重新载入一次，确认对象仍可用，再把脚本和sessionInfo一并归档。