已有的一种解决方案：https://blog.csdn.net/ziixiaoshenwang/article/details/130067697
另外，固定效应相关过高也会出现这个报错，删除一些固定效应。
完全多重共线性：一个或多个预测变量是其他预测变量的精确线性组合。这会导致矩阵XtWX的行列式为零，因而不可逆。
接近多重共线性：即使预测变量不完全共线性，但如果它们高度相关，也可能导致XtWX近似不可逆。
小样本大小：如果样本大小小于模型中预测变量的数量，XtWX可能不可逆。
不正确的权重：如果权重矩阵W设置不正确，可能导致XtWX不可逆。
数据问题：数据中可能存在问题，如错误的数据输入、缺失值未妥善处理或异常值。
解决方法：
检查数据：确保数据输入正确，没有遗漏或异常值。
简化模型：如果存在多重共线性，考虑删除一些预测变量或使用降维技术，如主成分分析（PCA）。
正则化方法：使用岭回归（Ridge Regression）或套索回归（Lasso Regression）等正则化技术，这些方法可以处理共线性问题。
增加样本大小：如果可能，收集更多的数据以增加模型的稳定性。
调整权重：检查权重矩阵W是否设置正确，必要时进行调整。
使用伪逆：在某些情况下，可以使用矩阵的伪逆（Moore-Penrose pseudoinverse）来替换不可逆矩阵的逆。
模型选择：可能需要重新考虑模型的选择和变量的筛选。
参见 https://github.com/gusevlab/fusion_twas/issues/11
lack of REML convergence is a complicated issue that depends on the scale and complexity of the data. If you are seeing this consistently across phenotypes it likely means your sample size is insufficient to build predictors. I would recommend removing some of the fixed effects, homogenizing the data or removing outliers, or increasing the sample size. You can also try specifying the heritability to some small value using the --hsq_set flag in FUSION which will force the predictors to be built. However, typically poor performance of the heritability step will imply poor performance of the predictor. Hope that helps!
