El agrupamiento de datos de alta dimensión y estructurales sigue siendo un desafío significativo en la biología computacional, particularmente para conjuntos de datos complejos de células individuales y multi-ómiques. En este trabajo, introducimos un nuevo algoritmo de agrupamiento que utiliza el volumen convexo total definido por los puntos dentro de un clúster como un criterio biológicamente relevante e interpretativo geométricamente. Este enfoque optimiza simultáneamente tanto la estructura jerárquica como el número de clústeres en cada nivel a través de la optimización no lineal. Evaluamos nuestro algoritmo en comparación con otros métodos de agrupamiento, y los resultados demuestran que nuestro enfoque supera a las técnicas tradicionales en una variedad de aplicaciones biológicas.