生物大数据处理的一点心得

在生物领域中，常常处理gff,gtf,bam,sam等格式的文件。在此我总结了几点我处理这些文件的经验。

1.善用split分割每行，这些文件基本都是用tab分割的，所以有split分割非常方便，每行最后的注释信息一般都是;分割。

2.找出你所需要的列，并找出这列所有不同的元素。因为你拿到的文件可能之前就被处理过，具有很强的不确定性。比如你拿到了一个水稻的数据，你下意识的可能会认为染色体那列只有12种可能，但往往就是这种主观错误导致你的程序运行不了，因此在处理之前一定要弄清楚每列的元素。

3.将自己常用的功能写出类或函数，这样可以节约很多时间。

4.善用各种不同语言分析，perl,python,R是生物大数据中最常用的语言，掌握好每个语言的优势，以及这个语言的生物信息学模块，这一点非常重要。大数据胜过好算法，生物信息工作者不一定要精通这些语言，但一定要学会如何高效的使用。