基因组学的处理对象一般都是大数据。在基因组学领域，R语言以其易理解、好学、上手快、免费、网上可借鉴资源多的特点，越来越受到广大普通科研工作者的青睐。对于统计分析，相对于其他软件和工具，目前全世界R的用户规模应该是排在第一位的。在发表的各类科研论文中，R经常亮出其靓丽的身影，R在世界范围内产生的巨大影响力不容小觑。事实上，很多学者也意识到这一趋势，很多分析工具的开发者，想提高其工具的影响力，扩大其工具的使用范围，都不得不开发出相应的R版本，比如统计基因组学领域的经典分析软件DMU、ASREML都开发出了相应的R版。

       不过，R的缺点也很明显，那就是相对于C/C++、Fortran等，R的计算速度相对更慢。当然，对于计算速度，算法才是王道。不过，即使在算法没有大的改进的情况下，适当掌握R的编程技巧，即便是处理大数据的基因组学问题，速度也不是个问题。统计基因组学领域最普遍使用的是线性模型分析技术。经过一些R爱好者的努力，在线性模型的计算领域，目前已基本实现了C语言与R的无缝对接，如Rcpp、RcppEigen、RcppArmadillo等包的出现，极大地提升了R处理线性模型的速度，一些基于Rcpp、RcppEigen、RcppArmadillo包的处理特定线性模型问题的“二级”包也越来越多。所以，对于一般数据的处理，甚至是Big data的处理，R已经完全可以胜任。当然，对于矩阵维数达到数千万维的超大数据集，R目前仍然有些乏力。

       下面是提升R速度的几点tips：

     （1）对于估计线性模型参数的包，直接或选用依赖于Rcpp、RcppEigen、RcppArmadillo的packages，因为这些包通过调用C library进行计算，速度更快。

     （2）避免使用for这样的显式循环语句，尽可能改用向量化（vectorization）的语句，只要能最大化地实现R计算过程的向量化，R的计算速度绝对不容鄙视。如按列求矩阵的和，循环命令for (i in ncol(X)) {A[i]<-mean(X[,i])}，要慢于apply(X, 2, mean)或者colSums(X)。这里需要说明的是，for循环语句慢的问题，只是在大数据的时候才能体现出来，对于一般的数据，在某些情况下for循环命令甚至有可能更快。 

    （3）可以完成同样任务的命令，一般优先使用base包提供的命令，因为base包的命令是经过优化的，速度有保障，除非是专门优化过（如利用C library）的命令。

    （4）另外，base包中有些primitive functions经过.Primitive定义之后，新定义的函数有可能比原来的函数快5-10倍，比如：mysqrt <- .Primitive("sqrt")，相较于原来的sqrt，mysqrt的速度会有明显提升：

    （5）关于加()提升R速度的小技巧，正常情况下，在一个计算公式中，对于需要计算的中间变量，适当加上()可以略微提升速度，比如(B*C)/(abs(A))要比B*C/abs(A)稍微快那么一丁点儿。特别是在大数据的统计基因组学领域，这个“一丁点儿”在几百万、几千万的循环中的累积效应不可忽视。

    （6）循环中适当地释放内存，也可以提升速度。比如在适当的位置插上rm(object)、gc()命令，可以释放内存，加快速度，提高内存利用效率，避免普通机子的frozen现象。

    （7）在处理大数据时，对于很多循环结构，不能或较难向量化（vectorization）处理，这时也不要用for这样的显式循环语句，而是用多核并行运算的方式来处理（现在一般普通台式机都是多核的），这样既解决了循环的问题，又用到了并行运算，速度自然会有明显的提升。需要注意的是，由于并行计算在结束后内部有一个“合并”结果的过程，这需要耗费时间，对于一般规模的数据，其速度并不一定会有提升，并行计算适合大数据。现给出一个并行计算的例子，如用固定线性模型（fixed linear model）在基因组范围内开展SNPs对表型的线性回归（相当于PLINK），R至少有数十个packages可以实现，但速度最快的是调用了C library的RcppEigen、RcppArmadillo等packages，要比regress等常规packages快N个数量级，再加上多核并行运算，速度会有质的提升：

    >library(doParallel)
    >library(foreach)  
    >num<-detectCores()
    >cl <- makeCluster(num)
    >registerDoParallel(cl)
    >dd<-foreach(i = 1:ncol(X), .packages= 'RcppEigen', .combine = 'rbind') %dopar% { Model<- fastLmPure(y = y, X = as.matrix(cbind(rep(1, length(y)), X[, i]))); c(Model$coefficients[2])}
    >stopCluster(cl)

    （8）提升R运算速度的另一小技巧，程序中所用函数的parameter option尽可能给出，省去R运行时判断是否用default选项，这也可能提升速度。

    （9）矩阵初始化到位的问题。如果循环中涉及矩阵的储存，那么A<-matrix()不如A<-matrix(0, nrow, ncol)，循环中A<-cbind(A, c)要比A[,i]<-c慢很多。

    （10）初级的常识性的东西，但R的初学者往往忽略，在循环或重复时，对于不需要动态更新的中间变量，不要放到循环、重复过程中去处理，而要放在循环或重复外，这样可以节约大量的时间。

      因为统计基因组学的分析对象一般都是大数据，所以任何一丁点儿微小的提升，最后的效果将是很可观的。