R语言并行计算加快土壤微生物生态学分析（1）：spearman相关系数加快共现网络构建速度
生科云网址：https://www.bioincloud.tech本文由微科盟胡天龙根据实践经验而整理，希望对大家有帮助。微科盟原创微文，欢迎转发转载，转载须注明来源《微生态》公众号。共现网络 (co-occurrence network) 和群落构建 (assembly process) 分析日益成为微生物生态学分析中重要的组成部分，成为目前文章发表的热点技术。这些分析中往往会有大量的循环语句，如果顺序执行的话往往非常耗时。R语言的并行计算可以有效地解决耗时的问题，加快程序运行的速度。本文主要介绍如何利用R语言并行计算spearman相关系数，加快共现网络（co-occurrence network）构建速度。后期的的文章将逐一介绍群落构建分析的并行计算，包括R语言并行计算beta-NTI (beta-nearest taxon index)、β多样性零偏差 (null deviation of beta diversity) 和Raup-Crick距离 (Raup-Crick dissimilarity)。利用spearman相关性分析是构建共现网络的重要方法，但由于OTU table往往有成千上万行，用R自带的corr.test()函数计算较为费时，严重制约我们的分析速度。对spearman相关性分析进行并行化运行可大大节省计算时间，为此我们手写了spearman相关性分析函数来实现并行化运行。为方便讲解，本文以我们常见的OTU table 数据为例（联系您所添加的任一微科盟组学老师即可免费领取），对OTU进行两两spearman相关性分析，获得相关系数r和显著性p值。我们将自己手写的函数network_construct()与psych包中的corr.test()函数两者运行时间和计算的结果进行了比较，我们自己的函数network_construct()计算时间远远少于corr.test()函数且结果相同，具体的R代码见下文。如果对您有帮助，请三连一波哦~点赞，在看，转发！！！运行步骤我们经常使用corr.test () 函数计算OTU之间的相关性，但该函数在面对较多的OTU时速度较慢。library(psych)system.time(corr.test(otu[,1:500],use="pairwise",method="spearman",adjust="fdr",alpha=.05))运行时间如下：（elapsed栏为程序运行的时间）
图1 原函数运行时间为了加快计算速度，我们根据相关系数矩阵的计算特点，进行了并行化重写，代码如下：#otu_table行名为样点名，列名为OTU名#threads为使用的CPU核数#本函数默认使用'fdr’进行P值矫正，可参考corr.test()函数的R帮助文档network_construct <- function(otu_table,threads){library(foreach)library(doParallel)library(abind)otu_table2 <- apply(otu_table,2,rank)r <- function(rx,ry){n <- length(rx)lxy <- sum((rx-mean(rx))*(ry-mean(ry)))lxx <- sum((rx-mean(rx))^2)lyy <- sum((ry-mean(ry))^2)r <- lxy/sqrt(lxx*lyy)t <- (r * sqrt(n - 2))/sqrt(1 - r^2)p <- -2 * expm1(pt(abs(t), (n - 2), log.p = TRUE))return(c(r,p))}arraybind <- function(...){abind(...,along = 3,force.array=TRUE)}nc <- ncol(otu_table)registerDoParallel(cores = threads)corr <- foreach (i = 1:nc,.combine = "arraybind") %dopar%{corr1 <- matrix(rep(0,2*nc),nrow = 2,ncol=nc)for(j in 1:nc) {if(j > i) corr1[,j] <- r(otu_table2[,i],otu_table2[,j])}corr <- corr1}rr <- corr[1,,]rr <- rr+t(rr)diag(rr) <- 1pp <- corr[2,,]lp <- lower.tri(pp)pa <- pp[lp]pa <- p.adjust(pa, "fdr")pp[lower.tri(pp, diag = FALSE)] <- papp <- pp+t(pp)rownames(pp) <- colnames(otu_table)colnames(pp) <- colnames(otu_table)rownames(rr) <- colnames(otu_table)colnames(rr) <- colnames(otu_table)return(list(r = rr,p = pp))}使用我们自己构造的函数后，可利用10核进行计算，运行时间如下：
图2 自建函数十核运行时间我们可以看到使用corr.test () 函数进行计算需要313秒，而使用R代码进行并行计算仅需0.99秒。我们再比较一下不同线程情况下所需的时间。单核运行代码如下：system.time(network_construct(otu[,1:500],1))
图3 自建函数单核运行时间即使使用单核进行计算速度，也要比corr.test () 函数快上很多，毕竟该函数里面有很多判断语句， 计算更加费时。当我们加大数据量时，单核和多核的区别就更加明显。下图是单核与10核运行的比较：
图4 自建函数单核与十核运行时间的比较我们可以看到计算量越大，多核的性能就越优越。当我们有成千上万个OTU时可以节省很多时间。那么我们运行的结果与corr.test () 函数的结果是否一致呢？res1<- corr.test(otu[,1:50],use="pairwise",method="spearman",adjust="fdr",alpha=.05)res2 <- network_construct(otu[,1:50],10)res1$r[1:5,1:5]res2$r[1:5,1:5]将我们构建的函数network_construct () 与psych包中的corr.test () 的结果进行比较，结果如下：
图5 自建函数与原函数结果比较我们计算的结果与原函数的结果完全相同，可以放心使用哈，现在就可以把我们的函数复制过去用于自己的项目啦。