生物大資料處理的一點心得

標籤：

在生物領域中，常常處理gff,gtf,bam,sam等格式的檔案。在此我總結了幾點我處理這些檔案的經驗。

1.善用split分割每行，這些檔案基本都是用tab分割的，所以有split分割非常方便，每行最後的注釋資訊一般都是;分割。

2.找出你所需要的列，並找出這列所有不同的元素。因為你拿到的檔案可能之前就被處理過，具有很強的不確定性。比如你拿到了一個水稻的資料，你下意識的可能會認為染色體那列只有12種可能，但往往就是這種主觀錯誤導致你的程式運行不了，因此在處理之前一定要弄清楚每列的元素。

3.將自己常用的功能寫出類或函數，這樣可以節約很多時間。

4.善用各種不同語言分析，perl,python,R是生物大資料中最常用的語言，掌握好每個語言的優勢，以及這個語言的生物資訊學模組，這一點非常重要。大資料勝過好演算法，生物資訊工作者不一定要精通這些語言，但一定要學會如何高效的使用。

生物大資料處理的一點心得