edgeR RNAseq分析中含批次效应的设计矩阵构建报错问题

问题背景 #

实验设计如下：

• Diet分组：ND（正常饮食）、WD（西式饮食）
• Treatment分组：CT（对照）、KO（基因敲除）
• 批次变量：block_extract，其中date_1对应全部ND样本，date_2对应全部WD样本

最初构建的无批次设计矩阵可正常运行：

design.matrix <- model.matrix( ~ 0 + diet + treatment + diet:treatment)

加入批次变量后构建designBlock：

designBlock <- model.matrix( ~ 0 + diet + treatment + diet:treatment + block_extract)

但后续分析出现报错：

1. removeBatchEffect提示系数无法估计：

> logCPM_RMVexpe <- removeBatchEffect(
   cpm(dgef, log = T, prior = 1, norm = T),
   batch = block_extract,
   design = designBlock,
   group = dgef$samples$group
 )
Coefficients not estimable: batch1 
    Partial NA coefficients for 16443 probe(s) 

2. estimateDisp提示设计矩阵非满秩：

> dgef_block$design.matrix <- designBlock
> dgef_block <- estimateDisp(dgef_block, designBlock, robust = T)
Error in glmFit.default(sely, design, offset = seloffset, dispersion = 0.05,  : 
  Design matrix not of full rank.  The following coefficients not estimable:
 block_extractdate_1

核心原因 #

批次变量与Diet分组完全共线性。从样本交叉表可以明确看到：

> table(dgef$samples$group, block_extract)
        block_extract
                 date_1          date_2
  ND_CT               6               0
  ND_KO               6               0
  WD_CT               0               5
  WD_KO               0               5

所有ND样本都属于date_1批次，所有WD样本都属于date_2批次——这意味着dietND和block_extractdate_1的取值完全一致，模型无法区分这两个变量的效应，导致设计矩阵秩不足，系数无法估计。

解决方案 #

1. 使用原始无批次设计矩阵 #

由于批次效应和Diet效应完全混淆，无法单独分离，只能将批次效应纳入Diet的主效应中，使用最初的设计矩阵完成后续分析：

# 回到无批次的设计矩阵
design.matrix <- model.matrix( ~ 0 + diet + treatment + diet:treatment)
# 重新估计离散度
dgef_block <- estimateDisp(dgef_block, design.matrix, robust = T)

2. 调整实验设计（仅适用于后续实验） #

如果是实验设计失误导致共线性，后续实验需在每个批次中同时包含ND和WD样本，打破批次与Diet的完全绑定，这样才能在模型中同时估计Diet、Treatment、批次及交互效应。

3. 替代模型（不推荐，仅特殊场景） #

若批次是Diet分组的唯一差异来源（如ND和WD仅提取日期不同），可尝试用批次替代Diet变量，但会丢失Diet的生物学解释：

designBlock <- model.matrix( ~ 0 + block_extract + treatment + block_extract:treatment)

关于跳过dispersion估计的问题 #

绝对不能跳过dispersion估计。这一步是edgeR计算基因表达离散程度的核心，直接影响后续差异检验的统计可靠性，跳过会导致差异分析结果完全无效。

内容的提问来源于stack exchange，提问作者Delemme