R-序列对齐功能运行时间过长

所以，我对R相当陌生，我有一个运行时问题。我使用“Biostrings”包（biocLite）编写了以下嵌套while循环，以便链接来自两个物种的蛋白质序列，如果它们的比对分数>90%

基本上，我输入两个蛋白质基因组，将SeqData1中的每个氨基酸序列与SeqData2中的每个氨基酸序列进行比较，计算一个比对分数，如果分数>90%，我将连接一个匹配的蛋白质名称列表和SeqData2蛋白质序列

这个函数的工作原理和它应该的完全一样，唯一的问题是它需要扫描的蛋白质数量，我预测整个过程的运行时间大约是1.4个月。T

有人对如何以指数方式加速此函数的运行时有什么建议吗

谢谢

R代码：

SeqScore <- function()
{

source("http://bioconductor.org/biocLite.R")
biocLite()
require("Biostrings")
data(BLOSUM100)


SeqData1 <- readDNAStringSet("SeqData1.fasta")
proNum1 = 84390     # number of proteins in Seq1

SeqData2 <- readDNAStringSet("SeqData2.fasta")
proNum2 = 15194     # number of proteins in Seq


#Create empty list to fill with percent scores and matching sequences:
DList=NULL
QueSeqList = NULL
TotList = NULL

#initiating the counters:
i=1
j=1
c=0

#Perform alignment and generate percent identity scores:
while(i<=proNum1)
  {
  while(j<=proNum2)
    {
  SeqAlign <- pairwiseAlignment(SeqData1[i], SeqData2[j], substitutionMatrix=BLOSUM100, gapOpening=0, gapExtension=-5)
  PercAlign <- pid(SeqAlign)
  if(PercAlign>=90)
  {
    DList = c(DList, names(SeqData1[i]), names(SeqData2[j]))
    QueSeqList = c(QueSeqList, toString(SeqData2[j]))
    c=c+1
  }
  else{c=c+1; print(c)}
  j=j+1
  }
  i=i+1
  j=1 #to reset the inner while loop
  }
unlist<-t(sapply(DList, unlist));
outputMatrix<-cbind(DList,QueSeqList)
outputMatrix<-as.matrix(outputMatrix, ncol=3)
write.csv(outputMatrix, "outputMatrix.csv")
}

---

SeqScore在帮助页面中，我认为当它的第一个参数是任意长度的
DNAStringSet
时，
pairwiseallignment
可以工作，因此外部循环可以由

SeqAlign <- pairwiseAlignment(SeqData1, SeqData2[j],
    substitutionMatrix=BLOSUM100, gapOpening=0, gapExtension=-5)

这将使您从R地狱的第二个循环中解脱出来，并且还建议了一种简单的策略，如果计算速度仍然很慢，可以在非窗口上对其进行并行化：

library(parallel)
options(mc.cores=detectCores())
results <- mclapply(seq_along(... ## as before

库（并行）
选项（mc.cores=detectCores（））
结果很抱歉，但当我运行您的代码时，我在
readDNAStringSet（…）
中遇到以下错误：
在.Call2（“new_input_ExternalFilePtr”，fp，PACKAGE=“Biostrings”）：无法打开文件“SeqData1.fasta”
（与SeqData2.fsta相同）。“SeqData1.fasta”只是我用于示例的任意名称。我计划将此代码用于各种基因组。要获得帮助，您确实需要提供一个示例数据集（在本例中是一个或多个数据集）。如果您提供sample.fasta文件（每个文件可能只有5个序列？），那么相关方就更容易对代码进行故障排除。虽然我觉得你的问题很有趣，但我没有动力去NCBI获取样本数据。如果我可以将整个代码块粘贴到一个新的r会话中并运行它就更好了。以
c
的方式递增对象似乎是最重要的瓶颈。看，圈2：生长的物体。谢谢！完美答案。这个网站充满了真正的知识渊博的人，所以当一两个人真的回答了一个问题时，我非常高兴。再次感谢。
library(parallel)
options(mc.cores=detectCores())
results <- mclapply(seq_along(... ## as before