问题描述：在计算机辅助药物设计中有个名词叫定量构效关系（Quantitative Structure Activity Relationship，QSAR）。什么是QSAR，简单的说就是研究药物生物活性和结构参数之间的关系。生物活性最常用到的是半数有效量（IC50），结构参数又称分子描述符可以通过相关软件计算，如新加坡国立大学的Bioinformatics & Drug Design组提供的MODEL（Molecular Descriptor Lab）服务，可以通过提交化合物三维结构得到将近4000种不同的分子描述符。现要用多元线性回归找出活性和众多描述符之间的关系，为了避免共线性同时考虑计算量，先通过R程序的“omd”包过滤掉一部分不相关的描述符，过滤后大概剩余700个描述符左右，从这700中描述符中任取3个为一组和活性做多元线性回归，700个中取3个的组合数为56921900，记录R^2大于0.6的回归组（i，j，k分别为所在列的列数）用显示循环计算十分耗时。

显示循环代码：

#!/usr/local/bin/Rscript</p>
<p>qsar_table<- read.table("../04_combine/04_combine.Type.out", header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE)<br />
result_table <- c("R2","x1","x2","x3")<br />
y <- qsar_table[,1]<br />
x <- qsar_table[,-1]<br />
n <- length(qsar_table)<br />
l <- n</p>
<p>(for (i in 2:(l-2)) {<br />
  x1 <- qsar_table[,i];<br />
     for (j in (i+1):(l-1)) {<br />
       x2 <- qsar_table[,j];<br />
         for (k in ((j+1):l)) {<br />
            x3 <- qsar_table[,k];<br />
            model <- lm(y ~ x1 + x2 + x3, data=qsar_table);<br />
                 if(summary(model)$r.sq>=0. 6){<br />
                   result <- c(summary(model)$r.sq,i,j,k);<br />
                   result_table <- rbind(result_table,result)<br />
                  }<br />
          }<br />
      }<br />
})<br />
write.table(result_table,file="05_calculate.Type.out",sep=",",row.names=F,col.names=F)

</p>

尝试并行，但是效率并没有显著提升，代码如下：

#!/usr/local/bin/Rscript<br />
library(parallel)<br />
mc <- getOption("mc.cores", detectCores())</p>
<p>qsar_table <- read.table("../04_combine/04_combine.Type.out", header=TRUE, sep=",", na.strings="NA", dec=".", strip.white=TRUE);<br />
result_table <- c("R2","x1","x2","x3");</p>
<p>y <- qsar_table[,1];<br />
x <- qsar_table[,-1];<br />
n <- length(qsar_table);<br />
l <- n;</p>
<p>qsar <-function(i,j,k){<br />
	x1 <- qsar_table[,i];<br />
	x2 <- qsar_table[,j];<br />
	x3 <- qsar_table[,k];<br />
	model <- lm(y ~ x1 + x2 + x3, data=qsar_table)<br />
	if(summary(model)$r.sq>=0. 6){<br />
		result <- c(summary(model)$r.sq,i,j,k)<br />
	}<br />
}</p>
<p>result <- unlist(mclapply(2:(l-2),function(i)<br />
	mclapply((i+1):(l-1),function(j)<br />
		mclapply((j+1):l,function(k)<br />
			qsar(i,j,k)<br />
		,mc.cores = mc, mc.cleanup=TRUE)<br />
	,mc.cores = mc, mc.cleanup=TRUE)<br />
,mc.cores = mc, mc.cleanup=TRUE))</p>
<p>result<-matrix(c(result),ncol=4,byrow=T)<br />
result_table <-rbind(result_table,result)</p>
<p>write.table(result_table,file="05_calculate.Type.out",sep=",",row.names=F,col.names=F)<br />

本人药理学专业，统计基础比较差，望统计之都论坛上的能人帮个忙解决下我这个“难题”，对你来说也许就是上个厕所的时间，嘿嘿。
</p>