如何用lapply与lme4计算行数不同数据的BLUEs？

咱们先明确需求：你有264个品系的2次重复试验数据，包含重复（rep）、区组（block）信息和4个表型指标，想要通过lapply批量对每个表型计算品系的BLUEs（最佳线性无偏估计）。

第一步：数据预处理 #

首先得把数据里的分类变量转成因子类型，避免模型识别错误：

pheno15$Lines <- as.factor(pheno15$Lines)
pheno15$rep <- as.factor(pheno15$rep)
pheno15$block <- as.factor(pheno15$block) # 区组变量也别忘了转成因子

第二步：定义BLUEs提取函数 #

基于你写的简易函数，我做了几个小优化，让结果更易用：

blues.rb <- function(trait, dat = pheno15) {
  # 构建模型公式：无截距项，直接输出每个品系的效应，随机效应匹配试验设计
  model_formula <- as.formula(paste0(trait, "~ 0 + Lines + (1|rep) + (1|rep:block)"))
  # 拟合线性混合模型
  lmer_model <- lmer(model_formula, data = dat)
  # 提取固定效应并整理成更直观的数据框
  blues_df <- as.data.frame(fixef(lmer_model))
  blues_df$Lines <- rownames(blues_df)  # 把品系名从行名转成单独列
  colnames(blues_df)[1] <- trait        # 将值列重命名为对应表型名
  rownames(blues_df) <- NULL
  return(blues_df)
}

优化细节：

• 参数名从traits改为trait，更贴合单个表型的传入逻辑
• 默认传入你的数据框pheno15，无需每次手动指定
• 给结果列重命名并提取品系名列，方便后续多表型结果合并

第三步：批量计算所有表型的BLUEs #

假设你的4个表型列名存放在一个向量里，用lapply批量调用函数即可：

# 替换成你实际的表型列名，也可以用关键词筛选
pheno_cols <- c("表型1", "表型2", "表型3", "表型4") 
# 批量计算每个表型的BLUEs
blues_list <- lapply(pheno_cols, blues.rb)
# 合并所有表型的结果为一个数据框
all_blues <- Reduce(function(x, y) merge(x, y, by = "Lines"), blues_list)

小提示 #

• 若要检查模型拟合情况，可在函数中加入print(summary(lmer_model))查看模型细节
• 随机效应结构要匹配你的试验设计，当前的(1|rep) + (1|rep:block)对应区组嵌套在重复中的设计，若你的试验设计不同需灵活调整

内容的提问来源于stack exchange，提问作者MCal