跟着运来兄搭建自己的生物信息小书房。趁年轻，读几本硬书，到老了慢慢反刍。
这是生信书房专栏的第56本推荐。前一期我们读的是饶毅老师的《生物学概念与途径》，相当于是一门生物学历史课，史以名鉴，知得失、兴替、进退、攻守之势。关于历史，史学界有两句名言：
- 我们从历史中学到的唯一教训就是：我们从来不会从历史中学到教训。这句来自德国哲学家黑格尔。
这两句浓缩成一句话，就是：活在当下。
在做这一期生信书房的选题时，我又滑了滑之前的55本书，发现与编程有关的书的比例有点失调地低，大部分是生物学的。比如上上一期是：读《中国生物信息学2035发展战略》。在书架旁边，盘旋良久，看着吃灰良久的编程纸张，不知从何下手。
本来应景今年诺奖应该读一读凯德·梅茨的《深度学习革命》，虽然也是偏历史一些，这个好歹也某瓣评分8.4，但是我们今天还是谈一下与编程有关的吧。
关于编程的书籍，这里陈列的有：
- Shell 编程，Linux和Window Powershell
很久没有翻开它们了，如今再看，甚至想不起来它们什么时候以及为什么在那里了，就像接下来将要介绍的这本：《数据科学中的并行计算：以R，C++和CUDA为例》。打开扉页，里面居然连当时拆封时的签名都没有，要不是里面还有我歪歪斜斜画的线条和零星的批注，这和新书没什么区别。尽管这本书第一版是2014年的，距今已有十年了（中文翻译本出版是2017年的）。
所以这里有必要友情提醒一下，以下内容可能会有些“过时”。
再次翻开这本尘封已久的书籍，在快速浏览和使劲回忆的过程中，让我想起自己生信学习之路。这条路基本上是以阅读和实际应用为主线的，读书和抄书作为主要的学习手段，抄过的如《R语言数据科学》、《ggplot2数据分析与图形艺术》、《数量生态学：R语言应用》、《网络数据的统计分析》等。
高尔基曾经曰过：书籍是人类进步的阶梯。
据此我归纳出一个：阶梯阅读法：就是隔段时间就要读几本自己读起来有点困难的书籍。找到这类书也是一门艺术，它刚好是你跳一跳看得到，能够望其项背而又不会望尘莫及的。就像入门R语言的《R语言编程艺术》、Python的《Python面向对象编程指南》、Perl语言的《Perl进阶》，就会给初学者以更上一层楼的快感。
这种快感随着学习的精进和年龄的增长，越来越稀有而难能可贵。
今天的这本《数据科学中的并行计算：以R，C++和CUDA为例》也是这一类书籍。还记得当时在写单细胞流程过程中，由于项目太多，计算量大，经常跑超内存，于是开始寻找并行的方法。最开始是自己阅读，查阅，编写岌岌可危、勉强运行的并行代码。后来Seurat给出了它的基于future并行参考文档:https://satijalab.org/seurat/archive/v4.3/future_vignette，再后来有了用于分析大规模单细胞数据的BPCell：https://satijalab.org/seurat/articles/seurat5_bpcells_interaction_vignette，当然还有基于python的scanpy。
虽然官方文档越来越详细，但是自己把for替换foreach时带来的效率提升和第一次在R中引入 .Call()时的得意忘形，还历历在目。要知道我虽然买过C++的书，但是没有上过一节相关的课程啊，甚至这书也没翻过。
这本书除了在我迷茫的时候，给予陪伴之外，还有一个非常吸引人，回过头来看甚有前瞻性的观点：R+X，X代表另一种语言。那时候草草读过，回首这几年的经历和R语言本身的发展，数据科学的发展确实是在朝着R+X的模式发展，这里的X可能是Python、C/C++、Go等。
为什么R需要加X，是R语言本身有什么限制，还是数据科学本身发展太快，抑或是二者兼而有之？这个问题值得我们思考。这本《数据科学中的并行计算：以R，C++和CUDA为例》，虽然没有告诉我们为什么，但是向我们描述了怎么做，特别是在并行计算这方面。在这个过程中，也让我们体会到了，在一个项目中发挥不同语言优势的新境界。
这次聊到这里，愿你能有从书中读出黄金屋和颜如玉的幸运。
