為什麼要學程式設計

圖1. 重複工作任務量與時間關係[1]

如上圖，對於大量重複工作，非程式設計者(non-geek)工作量和時間是正相關的，就像富士康流水線上的工人，這種工作對於高智商的人是無法忍受(富士康招流水線工人會測智商，高智商不會被分配大量重複工作，容易離職)。而程式設計者(geek)會分三個階段：手工操作摸索規律(與non-geek效率相同)、編寫程式(被non-geek遠遠甩開)、執行程式(秒殺non-geek)。

生物資訊就是這樣一門科學，讓重複工作遠離人工重複勞動。即使非生信人員，學點程式設計，在生活中也是非常有樂趣的。

生物資訊領域常用語言

個人認為：是否能熟悉使用Shell(專案流程搭建)+R(資料統計與視覺化)+Perl/Python等(膠水語言，資料格式轉換，軟體間銜接)三門語言是一位合格生物資訊工程師的標準。

生物資訊常用語言非常廣泛，我常用的有Perl, R, Shell，此外參與網頁製作還用過PhP+mySQL，寫公眾號/部落格通用Markdown。這些其實都是非常小眾的語言，如果和計算機專業的人交流，對方可能沒聽過這些語言。本系列“生信人值得擁有的寫作模板”主要以Perl為主，並伴隨一些零星的R和Shell程式設計的經驗和技巧。對於生信Perl使用人員有個交流和互相提高的平臺，讓新人少走點彎路。對於沒有任何Perl基礎強例建議別入坑，直接學Python教程吧，不解釋看下圖。

TIOBE世界程式語言使用排行

我們可以看到世界前三是Java, C, C++，大家都聽說過；第五是Python，目前在生領領域有取代Perl地位的趨勢，目前Perl列第12(比去年同期又下降三位)。R語言的資料分析領域有應用越來越廣泛，今年上升三位至15名；Shell由於版本和各類較多，在50-100名間有4種，此語言只建議快速解決小問題，不建議寫太長的任務，很容易跨平臺不相容。

總結：
1. 生信常用語言：Shell+R+Python/Perl
2. 世界三大語言：Java, C, C++
3. 生信語言的排名：Python 5th 穩定 , Perl 12th 快速下降, R 15th 快速上升

Perl語言簡介

Perl，一種功能豐富的計算機程式語言，執行在超過100種計算機平臺上，適用廣泛，從大型機到便攜裝置，從快速原型建立到大規模可擴充套件開發。
Perl最初的設計者為拉里·沃爾（Larry Wall），於1987年12月18日發表。現在的版本為Perl 6，於2015年12月25日更新。
Perl借取了C、sed、awk、shell 指令碼語言以及很多其他程式語言的特性，其中最重要的特性是它內部集成了正則表示式的功能，以及巨大的第三方程式碼庫CPAN。簡而言之，Perl像C一樣強大，像awk、sed等指令碼描述語言一樣方便，被Perl語言愛好者稱之為“一種擁有各種語言功能的夢幻指令碼語言”、“Unix 中的王牌工具”。
Perl 一般被稱為“實用報表提取語言”（Practical Extraction and Report Language），你也可能看到“perl”，所有的字母都是小寫的。一般，“Perl”，有大寫的 P，是指語言本身，而“perl”，小寫的 p，是指程式執行的直譯器。[1]

Perl寫作環境模板推薦

很多人三行兩行或直接命令列用perl直接解決問題，雖然快，但是不容重用和別人使用。因此，良好的寫作環境和模板是效率和專業的體現，即提高自己的程式碼重用性，也方便交流和他人使用。

程式設計環境IDE

推薦使用：Editplus 4.0，網上到處都是註冊機和序列號，隨便用，下載址搜不到好用的。可以後臺回覆“editplus”獲得下載連結。此軟體優點是可配置模板，可直接編輯伺服器指令碼(省略上傳步驟)，高效的程式碼除錯。

程式設計模板

下面程式碼為實現常用功能的寫作模板，如幫助文件部分(提高程式碼重用和版本管理，方便其他人使用)，命令列引數管理(可讀性的命令列是程式的基礎)，程式執行時間統計(專案時間管理)，常用檔案讀取資料結構樣式(方便修改檔案輸入和輸出)等；

下面是實現這樣功能的模板：可複製程式碼，在editplus中儲存為template.pl檔案。每步有詳細的註釋，仔細看看吧。

#!/usr/bin/perl -w
# 載入時間管理，引數管理，檔名和路徑處理的基礎包，無須安裝
use POSIX qw(strftime);
use Getopt::Std;
use File::Basename;

###############################################################################
#Scripts usage and about.
# 程式的幫助文件，良好的描述是程式重用和共享的基礎，也是程序升級和更新的前提
###############################################################################
sub usage {
    die(
        qq!
Usage:    template.pl -i inpute_file -o output_file -d database -h header num
Function: Template for Perl
Command:  -i inpute file name (Must)
          -o output file name (Must)
          -d database file name
          -h header line number, default 0
Author:   Liu Yong-Xin, liuyongxin_bio\@163.com, QQ:42789409
Version:  v1.0
Update:   2017/10/8
Notes:    
\n!
    )
}

###############################################################################
#命令列引數據的定義和獲取，記錄程式初始時間，設定引數預設值
#Get the parameter and provide the usage.
###############################################################################
my %opts;
getopts( 'i:o:d:h:', \%opts );
&usage unless ( exists $opts{i} && exists $opts{o} );
my $start_time=time;
print strftime("Start time is %Y-%m-%d %H:%M:%S\n", localtime(time));
print "Input file is $opts{i}\nOutput file is $opts{o}\n";
print "Database file is $opts{d}\n" if defined($opts{d});
# 調置引數的初始值，可以新增更多引數的預設值
$opts{h}=1 unless defined($opts{h});

###############################################################################
#讀入的資料或註釋檔案，用於與輸入檔案比較或註釋(可選)，提供三種方式
#Read the database in memory(opt)
###############################################################################
#open DATABASE,"<$opts{d}";
# 1. 雜湊結構資料庫，要求資料檔案有唯一ID並且無順序要求
#my %database; #database in hash
#while (<DATABASE>) {
#   chomp;
#   my @tmp=split/\t/;
#   $database{$tmp[1]}=$tmp[2];
#}
# 2. 陣列結構資料庫，無唯一ID，但有順序要求
#my (@tmp1,@tmp2); #database in array
#while (<DATABASE>) {
#   chomp;
#   my @tmp=split/\t/;
#   push @tmp1,$tmp[1];
#   push @tmp2,@tmp[2];
#}
#close DATABASE;
# 3. 批量資料檔案，讀取一批有相似結構的檔案
#open a list file
#my %list;
#my @filelist=glob "$opts{i}";
#foreach $file(@filelist){
#   open DATABASE,"<$file";
#   $file=basename($file);
#   while (<DATABASE>) {
#       my @tmp=split/\t/;
#       $list{$file}{nr}++;
#   }
#   close DATABASE;
#}

###############################################################################
#Main text.
###############################################################################
# 正文部分，讀取輸入檔案，列出輸入和輸入檔案的三行作為示例，方便程式設計處理資料
open INPUT,"<$opts{i}";
#chrm0    snppos1          ref2     mat_gtyp3        pat_gtyp4        c_gtyp5  phase6   mat_all7 pat_all8 cA9      cC10      cG11      cT12      winning SymCls  SymPval BindingSite     cnv
#1       4648    C       A       C       M       PHASED  C       A       0       11      0       0       M       Asym    0.0009765625    -1      0.902113
open OUTPUT,">$opts{o}";
#chrm    snppos          ref     mat_gtyp        pat_gtyp        c_gtyp  phase   mat_all pat_all cA      cC      cG      cT      winning SymCls  SymPval BindingSite     cnv
#1       4648    C       A       C       M       PHASED  C       A       0       11      0       0       M       Asym    0.0009765625    -1      0.902113

my %count;
# h引數用於去除有檔案頭的行
while ($opts{h}>0) { #filter header
    $tmp=<INPUT>;
    $opts{h}--;
    # 可選，輸出檔案也保留檔案頭
    #print OUTPUT $tmp;
}
# 輸入和輸入處理部分，常用按行讀取處理並輸入，預設按tab分割資料
while (<INPUT>) {
    chomp;
    my @tmp=split/\t/;
    print OUTPUT "$tmp[0]\t$tmp[1]\n";
}
close INPUT;
close OUTPUT;

###############################################################################
#Record the program running time!
# 輸出程式執行時間
###############################################################################
my $duration_time=time-$start_time;
print strftime("End time is %Y-%m-%d %H:%M:%S\n", localtime(time));
print "This compute totally consumed $duration_time s\.\n";

模板匯入Editplus

將上述程式碼儲存為template.pl，在editplus中選擇Tools – Preference – Template – Perl，點選template.pl右邊的..按鍵，選擇你自己的template.pl即可，以後選擇perl指令碼會自己載入該模板。
希望對大家有幫助！

Reference

寫在後面

為鼓勵讀者交流、快速解決科研困難，我們建立了“巨集基因組”專業討論群，目前己有國內幾十位PI，兩百多名一線科研人員加入。參與討論，獲得專業指導、問題解答，歡迎分享此文至朋友圈，並掃碼加創始人好友帶你入群，務必備註“姓名-單位-研究方向-職務”。技術問題尋求幫助，首先閱讀如何優雅的提問學習解決問題思路，仍末解決推薦生信技能樹-微生物組版塊(http://www.biotrainee.com/forum-88-1.html) 發貼，並轉發連結入群，問題及解答方便檢索，造福後人。

學習16S擴增子、巨集基因組思路和分析實戰，快關注“巨集基因組”，乾貨第一時間推送。

系統學習生物資訊，快關注“生信寶典”