生物信息学的倚天剑和屠龙刀

(The Top Two Tools of Bioinformatics)

————Python & R

生物信息学(Bioinformatics)就是大数据时代的生物学，数据科学=数学和统计学+计算机科学+专业知识（见“数据科学 (Data Science)——成就你的未来”），把专业知识换成生物学，就是生物信息学了，不过通常所说的生物信息学是比较狭义的，专指分子生物信息学，主要是分析核酸和蛋白质数据，不包括免疫信息学、神经信息学、生态信息学、医学信息学、社会信息学.........................

“把思想放在首位，只注重思想” 已经根深蒂固，但科研范式正在改变，若没有能力处理海量数据甚至是以后的宇量数据，纵然有再好的思想也是白搭。 能力和思想平起平坐，同等重要。

生物信息学中的数据就是各种字符的一个多重有序集合（有重复，有次序），用C语言处理很麻烦，若换为解释型语言Perl，则非常方便，其简单的数据类型和强大的正则表达式用起来真的很爽，同一个问题perl源代码只有C源代码的十分之一甚至更少，我本人超过90%的时候都用perl, 要求运行效率的时候才改用C，但也是把C嵌入Perl，统计作图用R。

但perl的语法很随意，而有同样功能的python或Ruby在语法上要好的多，特别是python, 用的很广，在生物信息学和系统生物学中有很多现成的包，在TIOBE的排行中，Python的关注度在最近几个月也一直是perl的两倍左右。

本人也用python写了1000多行代码，总觉得比Perl要麻烦一点点，可能是还没有习惯的原因，不过python程序看起来真的很舒服，很工整，很清晰。

若要用各种统计方法，那R语言很方便，很多时候调用两个函数就可以了，也可以很容易地画出很漂亮的图。当然也可以用Matlab，不过R语言会越来越流行。

就像 “大数据时代的倚天剑和屠龙刀是Hadoop和OpenStack”一样，Python和R在生物信息学中有着同样的地位，不过要求运行效率的时候还是的改用C或者Go语言！

总之，若掌握了Python和R这两种编程语言，就不至于望海兴叹了！（海指海量数据）

若再加上很了解统计学和分子生物学，灌水就很容易了！

若不想灌水，就必须再加上另外一半“思想”了！