我有一个适用于数据集的线性混合模型 (lme4) 的公式列表 (> 10,000)。成功地,我使用了 lapply() 和一个包含 tryCatch() 的自定义函数来适应这些模型。现在我想提取所有这些模型的 P 值和 lsmeans。我已成功提取 P 值,但 lsmeans 函数遇到错误。
library(lme4)
library(lmerTest)
library(pbkrtest)
library(lsmeans)
formulaS <- list() #Not going to detail generation of list, generically: 'Yvar~X1*X2+(1|subject)'
dataSET <- X #dataframe with first 3 columns containing fixed and random factors,
# as well as >10,000 columns of variables of interest
modelSeq <- function (x, dat) {
return(tryCatch(lmer(x, data = dat), error=function(e) NULL))
}
modelsOutput <- lapply(formulaS, function(x) modelSeq(x, dat = dataSET))
lsmeans(modelsOutput[[1]], pairwise ~ X1:X2) #recieves error
solve.default(L % % V0 % % t(L), L) 中的错误:Lapack 例程 dgesv:系统完全是奇异的:U[1,1] = 0
我认为这不是模型问题的原因是,如果我单独拟合模型,我可以很好地提取 lsmeans。是否有任何评论 1)为什么我不能提取 lsmeans,2)如何有效地提取手段,或 3)另一种有效的方法。
谢谢!
__ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __ __
更新和编辑:这是我正在使用的随着时间的推移重复受试者样本的 RNAseq 数据,因此 >10,000 个模型具有描述实验设计的相同固定和随机效应。反应(基因)是唯一变化的变量。我试图在下面的代码中更明确地说明这一点。认识到具有标识链接的混合模型可能不适合数据,我在下面提供了新的包装器。我仍然有提取手段的问题。此外,任何关于计算 P 值的更合适、更省时的方法的评论都值得赞赏。
library(lme4)
library(blmeco)
library(ggeffects)
formulaS <- list() #Not going to detail generation of list, generically: 'GeneI~TRT*TIME+(1|subject)'
dataSET <- X #dataframe with first 3 columns containing fixed and random factors,
# as well as >10,000 columns of variables of interest (gene TPM)
wrap.glmer.nb <- function (modelForm, dat) {
m <- tryCatch(glmer.nb(formula = modelForm, data = dat), error = function(e) NULL)
if (!is.null(m)) {
m.disp <- tryCatch(dispersion_glmer(m), error = function(e) NULL)
m.wald <- tryCatch(anova(m), error = function(e) NULL)
m.means.c <- tryCatch(ggemmeans(model = m, terms = c('TRT')), error = function(e) NULL)
m.means.e <- tryCatch(ggemmeans(model = m, terms = c('TIME')), error = function(e) NULL)
m.means.cxe <- tryCatch(ggemmeans(model = m, terms = c('TRT', 'TIME')), error = function(e) NULL)
x <- list(m.disp, m.wald, m.means.c, m.means.e, m.means.cxe)
print(paste0('Done with a model at ', Sys.time()))
return(x)
} else{
x <- m
return(x)
}
}
startTime <- Sys.time()
modelOUTPUTS <- lapply(formulaS, function(modelForm) wrap.glmer.nb(modelForm, dat = dataSET))
endTime <- Sys.time()
print(paste('Victory! The analysis took:', endTime - startTime))