错误信息：Cube::init(): 请求的大小太大；建议使用 GWAS 的 sommer 包启用 ARMA_64BIT_WORD答案

【问题标题】：Error message: Cube::init(): requested size is too large; suggest to enable ARMA_64BIT_WORD using sommer package for GWAS错误信息：Cube::init(): 请求的大小太大；建议使用 GWAS 的 sommer 包启用 ARMA_64BIT_WORD
【发布时间】：2021-08-16 12:35:14
【问题描述】：

sessionInfo() 的输出

R version 4.0.5 (2021-03-31)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)

Matrix products: default

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] sommer_4.1.4      crayon_1.4.1      lattice_0.20-41   MASS_7.3-53.1     Matrix_1.3-2      data.table_1.14.0

loaded via a namespace (and not attached):
[1] compiler_4.0.5  tools_4.0.5     rstudioapi_0.13 Rcpp_1.0.6      grid_4.0.5

我一直在尝试使用带有以下代码的 sommer 包执行 gwas：

var_cov <- A.mat(m_matrix) ## aditive relationship matrix

model <- GWAS(cbind(DW20, PLA07, PLA08, PLA09, PLA10, PLA11, PLA12, PLA13, PLA14, PLA15, PLA16, PLA17, PLA18, RGR07_09, RGR08_10, RGR09_11, RGR10_12, RGR11_13, RGR12_14, RGR13_15, RGR14_16, RGR15_17, RGR16_18, SA, SL, SW) ~ 1, random = ~ vs(accession, Gu = var_cov), data = pheno2, M = m_matrix, gTerm = "u:accession", n.PC = 5)

如代码中所述，我有 26 个特征，我想使用 K+P 模型。我的 SNP 矩阵有 211 260 个标记和 309 个种质。

当我为一个和两个特征运行此代码时，它运行良好。但是，当我尝试使用所有 26 个特征运行时，我收到错误消息：

Error in GWAS(cbind(DW20, PLA07, PLA08, PLA09, PLA10, PLA11, PLA12, PLA13,  : 
  Cube::init(): requested size is too large; suggest to enable ARMA_64BIT_WORD

我在网上搜索，发现这个错误与RcppArmadillo这个包有关。按照这里的建议 (http://arma.sourceforge.net/docs.html#config_hpp_arma_64bit_word) 和在这里 (Large Matrices in RcppArmadillo via the ARMA_64BIT_WORD define)，我尝试通过取消注释 RcppArmadillo\include\armadillo_bits\config.hpp 文件中的 #define ARMA_64BIT_WORD（波纹管）行来启用 ARMA_64BIT_WORD：

#if !defined(ARMA_64BIT_WORD)
//#define ARMA_64BIT_WORD 
//// Uncomment the above line if you require matrices/vectors capable of holding more than 4 billion elements.
//// Note that ARMA_64BIT_WORD is automatically enabled when std::size_t has 64 bits and ARMA_32BIT_WORD is not defined.
#endiff

并且还在 RcppArmadillo\skeleton 的 Makevars.win 文件中包含以下行。

PKG_CPPFLAGS = -DARMA_64BIT_WORD=1

所有建议都不起作用，我继续收到相同的错误消息。我的问题是：是否有另一个选项可以启用我缺少的 ARMA_64BIT_WORD？是否可以在具有多达 26 个特征的 sommer 包中运行 GWAS 函数，或者这个数字太多了？错误消息是否是由 GWAS 代码中的错误导致的？

非常感谢您。

【问题讨论】：

标签： c++11 rcpparmadillo

【解决方案1】：

我的第一个看法是，当您使用 cbind() 时，您正在尝试拟合具有 26 个特征的非结构化多元模型，这意味着如果您有 1000 条记录，这将是一个 309 x 26 = 8,034 条记录的模型这对于 sommer 使用的直接反演算法来说有点太大了，而且要估计的参数数量很多（想想所有的协方差参数 (26*25)/2 = 325。我建议每个特征拟合一个 GWAS在 for 循环中解决您的问题。除非您有充分的理由运行多变量 GWAS，否则您的分析问题比背后的 C++ 代码更重要。例如：

var_cov <- A.mat(m_matrix) ## aditive relationship matrix
traits <- c(DW20, PLA07, PLA08, PLA09, PLA10, PLA11, PLA12, PLA13, PLA14, PLA15, PLA16, PLA17, PLA18, RGR07_09, RGR08_10, RGR09_11, RGR10_12, RGR11_13, RGR12_14, RGR13_15, RGR14_16, RGR15_17, RGR16_18, SA, SL, SW)

for(itrait in traits){

model <- GWAS(as.formula(paste(itrait,"~1")), random = ~ vs(accession, Gu = var_cov), data = pheno2, M = m_matrix, gTerm = "u:accession", n.PC = 5)

}

如果结果证明即使 arma::cube 函数存在内存问题，那么我们肯定需要看看为什么犰狳库不能处理这些维度。

干杯，爱德华多

【讨论】：