使用drm绘制剂量反应曲线时出现optim非有限值及收敛失败错误

问题根源 #

你遇到的non-finite finite-difference value和Convergence failed错误，核心原因是你的数据集不符合LL.4（四参数逻辑斯蒂）模型的假设：

• LL.4模型要求响应值（value2）随剂量（value1）变化呈现清晰的S型趋势（单调上升或下降后趋于平稳）。
• 观察你的数据：value2随value1降低（剂量减小），先在0.77-0.87之间波动，仅在最低剂量时升到1.07，整体没有明显的S型规律，优化算法无法找到符合模型的参数，导致计算过程中出现非有限值，最终收敛失败。

验证与解决步骤 #

1. 先可视化数据确认趋势 #

先画散点图看实际趋势（剂量轴常用对数刻度，因为你的剂量是等比梯度）：

plot(test$value1, test$value2, log = "x", xlab = "剂量(value1)", ylab = "响应(value2)", main = "剂量-响应散点图")

从图中能明显看到，响应值没有呈现LL.4模型预期的单调S型变化，中间波动大，仅最后一个点有明显上升。

2. 尝试手动指定起始参数 #

LL.4的默认起始参数可能不匹配你的数据，你可以手动设定更贴合数据的起始值，帮助优化算法收敛：

# 手动指定起始值：Slope为负（剂量升高响应降低），LowerLimit取最小响应值，UpperLimit取最大响应值，ED50取中间剂量
drm(data = test, value2 ~ value1,
    fct = LL.4(names = c("Slope", "LowerLimit", "UpperLimit", "ED50")),
    start = c(-0.3, 0.77, 1.07, 1000))

不过这种方法只是帮算法找到参数，拟合出来的模型可能没有实际生物学意义，因为数据本身不符合S型趋势。

3. 调整模型或检查数据 #

• 更换模型：如果你的实验预期不是S型响应，可尝试更简单的模型（如线性模型lm(value2 ~ log(value1), data=test)），或其他更贴合数据趋势的非线性模型。
• 检查异常值：最后一个点（value1=0.458，value2=1.07）与其他点差异较大，可验证该数据点是否准确，若为异常值，移除后再尝试拟合。
• 确认实验设计：检查剂量梯度设置是否合理，是否覆盖了能触发响应明显变化的范围，或是否存在其他实验干扰因素导致响应波动。

内容的提问来源于stack exchange，提问作者szmple