DESeq2添加交互项分析airway数据集报错的原因及解决方法

你遇到的报错核心是自由度不足：
airway数据集总共仅8个样本，包含4个细胞系，每个细胞系仅对应1个处理组、1个对照组样本。当你使用~ cell + dex + cell:dex的交互设计公式时，生成的设计矩阵恰好包含8个待拟合系数（1个截距 + 3个细胞系分组系数 + 1个处理分组系数 + 3个交互项系数），系数数量和样本数量完全相等，没有剩余自由度用于DESeq2必需的基因表达离散度估计，因此触发报错。
你参考的example("results")示例使用的数据集存在额外生物学重复，自由度足以支撑交互项拟合，套用到airway数据集上自然无法运行。

airway的原始实验设计本身没有为细胞系-处理的交互效应预留生物学重复，没有完美的分析方案，可根据你的研究目的选择以下两种处理方式：

方案1：复用无交互模型的离散度估计结果 #

如果你的研究必须检验交互效应，可以先通过无交互项的模型估计离散度，再代入交互模型拟合，避免重新估计离散度时的自由度不足问题，代码如下：

# 先跑无交互模型得到离散度
dds <- DESeqDataSet(gse, design = ~ cell + dex)
keep <- rowSums(counts(dds)) > 1
dds <- dds[keep,]
dds <- DESeq(dds)

# 切换为交互设计，不重新估计离散度，直接拟合模型
dds_int <- dds
design(dds_int) <- ~ cell + dex + cell:dex
dds_int <- DESeq(dds_int, estimateDispersions = FALSE)

# 提取交互项结果，示例为细胞系N061011和处理的交互效应
resultsNames(dds_int)
res_interaction <- results(dds_int, name = "cell_N061011_vs_N052611.dex_trt_vs_untrt")

注意：该方法默认假设绝大多数基因不存在显著的交互效应，因此复用无交互模型的离散度是合理的，最终交互检验的假阳性风险会高于有生物学重复的实验。

方案2：调整研究问题，使用无交互模型 #

如果你关注的核心是地塞米松处理的平均效应，你当前使用的~ cell + dex模型已经控制了细胞系的基线表达差异，得到的处理效应结果是准确可靠的，无需额外添加交互项。如果必须得到可靠的交互效应结果，只能补充对应分组的生物学重复样本，从实验设计层面补充自由度。

内容的提问来源于stack exchange，提问作者Brian Chen