最大化R中的GLMM似然

Question

是否有类似于SAS PROC NLMIXED的R功能/包？我想指定似然函数（包括随机效应，假定的MVN）并通过高斯求积法或AGQ方法最大化该近似似然。

我的最终目标是随机效应β回归模型（带有分散子模型）。目前，我认为betareg包中的family或glmer lme4参数不存在此功能？

以下是我的SAS PROC NLMIXED代码：

proc nlmixed data=ttt method=gauss tech=trureg qpoints=5 ;
parms b0=0 b1=0 b00=1 b11=0 s2u=1 ;
bounds s2u>=0 ;
eta_mean = b0 + b1*x + u ;
eta_prec = b00 + b11*x ; 
mu = exp(eta_mean)/(1 + exp(eta_mean));
phi = exp(eta_prec) ;
w = mu*phi;
t = phi - mu*phi;
ll = lgamma(w+t) - lgamma(w) - lgamma(t) + ((w-1)*log(y)) + ((t-1)*log(1 - y));
model y ~ general(ll);
random u ~ normal(0, s2u) subject=clust ;
run;

如何使用nlminb或optim等R优化器处理随机效应（正交）？或者是否有一些其他R函数组合更适合在R？中最大化相当普遍的GLMM可能性？