生物方面的牛人们有只用linux的吗

分两个层次回答这个问题，为什么要选择Linux/Unix平台，作为生物信息研发的主要平台？怎样由浅入深熟悉Linux/Unix开发环境进行生物信息数据分析？

为什么要选择Linux/Unix平台，作为生物信息研发的主要平台？
生物信息的主要工作是用软件和脚本处理生物数据，其平台的选择是多样化的，根据目的需要选取。主要的可能选择有：

• 网上的服务，如NCBI, Ensembl, UCSC, DAVID等等，这类服务器的特点是门槛低，满足常用需求，有后台数据库的支持，浏览器模式可视化效果好；缺点是定制的服务往往支持不好；现有的网上服务对单一的分析支持的多，但对多个流程的串联和并行化等的支持不够；对商业话单一化服务支持好，对科研多样化支持弱。

• 本地终端，如BioEdit,Primer5, SAM，TreeView，Cytoscape，Excel, SpotFire等本地软件或客户端，很多软件在窗口类操作系统上运行，特点是可以无须网络支持，故而小规模运算速度快，可视化效果佳，支持鼠标操作效果好；缺点自然就来了，大数据支持不好，无法高性能运算，操控受设计者的限制多，不好定制。

• 命令行操作平台，如Linux/Unix Shell支持的高性能计算机群和云服务平台，特点大数据高性能支持，shell可编程能力强，生物信息软件包和脚本丰富，定制设计和开发容易。缺点是需要学习编程和命令行方式，操控没有鼠标直观，可视化不够。

• 集成开发环境/图形化界面开发平台：这应该以网站、应用程序开发为目标的一类平台，代表的是Windows应用开发，Java Eclipse等。这类是为有特定商业或科研目的的专业软件开发人员设计的，对探索发现和数据分析不是最好的选择。



• 从上面的分析不难发现从生物信息的从业者的职业方向看，大多是关注数据分析，将来特别是生物信息的大数据量的分析，命令行操作系统是必须要掌握的技能。而Windows Shell的设计很差，根本无法满足数据分析的需要，在高性能集群和云平台大多配备Linux,Linux学习就是必须的。



• 从将来的产业分工来看，大数据的云计算平台可能提供非常好的服务，利用其提供的API服务可能使用户提供非常好的生物数据的开发环境，把数据分布式、计算并行化和结果的可视化隔离到平台的管理功能中，生物信息的研究和开发者只需专注数据分析业务即可，与云平台的交互，应该有一个好的接口平台，Linix shell可能是一个不错的选择。



• 怎样由浅入深熟悉Linux/Unix开发环境进行生物信息数据分析？


• 正如bioops说的，我再补充一些：



• 熟悉基本命令和命令行操作方式，如cd，ls, less, cp,...

• 熟悉编辑器，个人推荐vi

• 熟悉一种shell编程,如bash

• 熟悉数据分析Linux常用工具sed, grep, awk, sort, cut, wc, uniq,...

• 熟悉软件安装方法

• 要更深入就要掌握一种，或更多脚本语言，个人推荐Python, Perl也需要了解，早期的生物信息软件很多是用它开发的。如果用到统计，R也是必须的。与数据库相关的工作，基本的SQL也需要会。Python,R,SQL是数据分析学者选出的用的最多的脚本语言。

• 了解高性能平台的任务提交系统，这是在现在大多数高性能集群上用得较多的系统，是PBS/SGE/OGE系列。

• 了解Hadoop/MapReduce/...未来生物信息大数据的方向

• 不断学习，随着生物信息云平台的发展，必然会有更多东西出来。