R中随机森林的再现性问题

我正在使用一个代谢组学数据集，该数据集由12个样本（6个野生型和6个敲除型）和375个代谢物组成。 我尝试使用随机森林作为分类算法来确定最重要的代谢物，以区分一组和另一组。为此，我考虑的是平均降低精度。 我的问题是，每次运行代码时，即使设置了种子，也会得到完全不同的结果。我怀疑我的问题与大量功能相比，小样本集有关。但另一方面，我看到一些出版物正是这样做的（具有相似数量的特征和样本），甚至没有提及再现性问题

这是我的密码

library(ggplot2)
library(cowplot)
library(randomForest)

set.seed(123456)

data <-read.table("Group1_RF.csv",header=TRUE,sep=",",row.names = 1)

head(data)
data$class <- as.factor(data$class) 


model2 <- randomForest(class ~ ., data=data,ntree=1000, mtry=19, proximity=TRUE,importance=TRUE)
varImpPlot(model2)

库（ggplot2）
图书馆（cowplot）
图书馆（森林）
种子集（123456）
数据