创建子数据集并将其并行传递给集群

Question

我有600行和58000的数据集;这是我需要做的：

1. 将数据集分为三个部分，即25％，50％和75％的最大缺失值（我将其称之为（ai）。
2. 每个ai需要根据次要等位基因频率进行划分（0,0.05,0.01,0.1） “对于次要等位基因频率的定义，请参见附录”MAF“。
3. 对于所有组合（3 * 4），我们需要使用三种方法估计缺失值，然后对所有组合应用特定模型（3 * 4 * 3）。

现在我们有36个数据集。 我的一所大学建议我们可以为超级计算机（大学集群 - Linux）上的所有组合创建36个目录，然后分别处理每个数据，最后将结果组合起来。谁知道怎么做？我附加数据集和简单的R代码可能会让我的问题有点清楚！ 预先感谢您的帮助。

   MAF<-function(geno){        ## markers are in the rows
 geno[(geno!=0) & (geno!=1) & (geno!=-1)] <- NA
 geno <- as.matrix(geno)
 ## calc_Freq for alleles
 n0 <- apply(geno==0,1,sum,na.rm=T)
 n1 <- apply(geno==1,1,sum,na.rm=T)
 n2 <- apply(geno==-1,1,sum,na.rm=T)
 n <- n0 + n1 + n2
 ## calculate allele frequencies
 p <- ((2*n0)+n1)/(2*n)
 q <- 1 - p
 maf  <- pmin(p, q)
 frq.index <- maf<=.95 & maf>=.05 ## keep minor allele frequency larger than 0.05
 geno_maf <- geno[frq.index,]
 geno_maf
 }