今天的世界大不同，表現(xiàn)在生命科學(xué)研究領(lǐng)域，就是一切都開始進(jìn)入了大數(shù)據(jù)時(shí)代，無論是DNA序列，顯微圖片，還是質(zhì)譜數(shù)據(jù)，研究人員都越來越需要對(duì)這些龐大的信息進(jìn)行收集、整合、處理和詮釋。
對(duì)于許多生物學(xué)家們來說，這并不容易完成，傳統(tǒng)的科研培訓(xùn)方式主要集中于科學(xué)的基礎(chǔ)原理和實(shí)驗(yàn)方法，而不是計(jì)算機(jī)編程和數(shù)據(jù)統(tǒng)計(jì)，因此當(dāng)不少研究人員發(fā)現(xiàn)自己需要面對(duì)大量的數(shù)據(jù)量時(shí)，他們不知道如何處理這些問題。
目前其實(shí)也不乏現(xiàn)成的計(jì)算工具，而且不少都是免費(fèi)的，但對(duì)于門外漢來說還是有些難。通常情況下研究人員還是需要深入了解這些界面并未友好的程序，才能運(yùn)行，而這需要計(jì)算運(yùn)行的深厚知識(shí)。
這就會(huì)導(dǎo)致研究人員在進(jìn)行大數(shù)據(jù)研究的時(shí)候，不得不自己編寫一些程序來進(jìn)行可重復(fù)和得到證實(shí)的信息處理。然而這些過程也需要小心處理，一不留意犯錯(cuò)了，就有可能危及數(shù)據(jù)本身。
近期The Scientist雜志了幾位科學(xué)程序員，了解他們所使用的工具是什么，如果是菜鳥需要進(jìn)行哪些訓(xùn)練等。
選擇一種語言
生物學(xué)家可以從各種各樣的編程語言中選擇一種，對(duì)于許多應(yīng)用來說，隨便選擇一種都可以，不過目前zui流行的可能就是Python 和 R?！熬湍壳岸?，這就像是科學(xué)研究的二重奏"，來自加州大學(xué)戴維斯分校的生物信息學(xué)家Vince Buffalo說，他剛完成了一本名為《生物信息學(xué)數(shù)據(jù)分析技巧》（O’Reilly Media Inc.）的新書。
Python 和 R相對(duì)來說都比較好用，但前者能完成多項(xiàng)任務(wù)，而后者主要針對(duì)的是統(tǒng)計(jì)方面的內(nèi)容，兩種語言都有其各自的使用用戶群，因此具有特定功能預(yù)生成代碼（prebuilt code）數(shù)據(jù)文庫，比如以R語言為基礎(chǔ)的Bioconductor Project (www.bioconductor。。ｏｒｇ)，能為顯微，測(cè)序和芯片數(shù)據(jù)提供模塊。另外Python 公共文庫也有：Anaconda (continuum.io/downloads)。
來自華盛頓大學(xué)基因組科學(xué)系的助理教授Cole Trapnell利用R語言完成了單細(xì)胞基因組數(shù)據(jù)集的處理，“單一細(xì)胞基因組學(xué)問題牽涉到許多的統(tǒng)計(jì)學(xué)方面的內(nèi)容，R語言很適合。"
此外，還有一種受到大家認(rèn)可的語言，那就C/C++（Julia (www.julialang。。ｏｒｇ)），這種語言特別合適用于那些相對(duì)較慢或內(nèi)存密集型任務(wù)，Trapnell說。
如果能將Python的語法，R語言的圖形靈敏性和C++的速度結(jié)合在一起，那就了，“這也就是說，這種代碼很好編寫，而且也很快，"，來自加州大學(xué)戴維斯分校的遺傳學(xué)副教授Titus Brown說，但這需要你花費(fèi)大量經(jīng)歷掌握這些語言，他建議，可以選擇你同事已經(jīng)在應(yīng)用的語言，這樣他就能幫助你解惑。
所需的工具
UNIX 和 Linux系統(tǒng)都有預(yù)安裝軟件，如果你沒有，那么通過操作系統(tǒng)管理員也很容易獲取。Macs系統(tǒng)包含一個(gè)現(xiàn)成的Python 解釋器和C/C++ 編譯器，但必須單獨(dú)安裝 R(www.r-project。。ｏｒｇ)。Windows系統(tǒng)在默認(rèn)狀態(tài)下，不包含任何一種編程語言，因此你可能需要自己安裝。
程序員還需要的一個(gè)工具就是一個(gè)好用的文本編輯器，這是用于處理純文本文件的程序，與之相對(duì)的就是處理特殊格式的程序，如Microsoft Word。核心程序員通常喜歡使用命令行編輯器 vi 或 emacs，在Linux 和 Mac系統(tǒng)中這兩者都有預(yù)裝。現(xiàn)在也有一些很強(qiáng)大的可配置程序，但是對(duì)于新手來說很難掌握，“這要求你自己想代碼，因此我還是建議使用自己擅長(zhǎng)的方法，"Trapnell說。
同時(shí)你還需要找到一種能夠用特定顏色標(biāo)記特殊語言關(guān)鍵詞(“syntax highlighting")，語法檢查 (比如說要能找到錯(cuò)誤的方括號(hào)和圓括號(hào))，代碼格式，以及處理多種文件的編輯器。
常用的兩種就是Windows系統(tǒng)的Notepad++ (notepad-plus-plus.org)，以及Mac和Windows、Linux系統(tǒng)通用的Sublime Text (www.sublimetext。。ｃｏｍ)。同時(shí)還有一種Mac界面可用的AquaMacs (aquamacs.org)。
“我向我的學(xué)生強(qiáng)調(diào)的關(guān)鍵一點(diǎn)就是，盡量少用鼠標(biāo)，"威斯康辛大學(xué)麥迪遜分校生物統(tǒng)計(jì)學(xué)和醫(yī)學(xué)信息學(xué)教授Karl Broman說，“每當(dāng)你將手從鍵盤中移開的時(shí)候，就在減慢速度。"
另外，如果你計(jì)劃在某個(gè)平臺(tái)（如 Mac 或 Windows）上從一種特殊語言開始的話，那么也許你應(yīng)該嘗試一下集成開發(fā)環(huán)境（IDE，integrated development environment），這是用于程序開發(fā)環(huán)境的應(yīng)用程序，一般包括代碼編輯器、編譯器、調(diào)試器和圖形用戶界面工具，這能簡(jiǎn)化你的工作。
Mac C/C++程序員可以用免費(fèi)的Xcode (developer.apple.com/xcode), Windows 用戶可以使用Microsoft Visual Studio (www.visualstudio。。ｃｏｍ)。而對(duì)于 R 編程來說，常用的一種選擇就是RStudio (www.rstudio。。ｃｏｍ)。Eclipse IDE (eclipse.org/ide)是一種支持多種語言的模塊化工具，所有這些平臺(tái)的基本版本都是免費(fèi)下載，有些適用于用戶的附加功能也可以獲取。
會(huì)員1.png)