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

共现（co-occurrence network）网络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。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 OTU table 数据为例，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

library(psych)
system.time(corr.test(otu[,1:500],use=