生物信息学工具使用的经验之谈

 

 

荣耀归于上帝，版权归于bbsunchen。本文部分翻译自Bioinformatics.For.Dummies的第14章，加入作者经验，改动较大，不喜误入。

 

本文讨论的主要问题：

1.确保你不会泄漏保密的数据

2.保证你自己可以重复你的工作

3.选择合适的数据

4.确保保存了重要的文件

 

我从未给别人世界末日的感觉，我告诉他们真相，他们认为那就是世界末日。--Harry S.Truman(1884-1972)

 

有时候，我们在Internet上运行生物信息学程序时，会幻想这种情景：我们可以随意运行我们想要运行的程序，不需要更新或者维护数据库，如果服务器崩溃了，只要换一台服务器就行了。在网页上，事情简单到我们都不需要知道我们正在干什么，只要一路狂点鼠标，然后我们需要的结果就会出现在屏幕上。而在做这些事情的时候，我们还可以一边听歌一边看电影。

 

如果真的是这样，那就太好了。可是当我们真的开始使用生物信息学工具时，我们可要特别小心，不然世界末日可就真的来临了。要知道，在科学领域，最好的情景是：出现好的并且正确的结果。

 

接下来的一些建议，可以让你的工作更舒服一些。如果你真的很想产生可以信赖的结果。

 

一、记住，你的数据提交到网络上就永远是不安全的。

当你向服务器提交一条序列信息是，你就不再拥有这条序列了。在offline的时候，你可能会获得一些出错信息，但是在Internet上，你永远也别想，你的submission会是安全的。

我们也许回想，谁会闲的没事干扰我提交的数据，或者谁会吃饱了撑的拦截我的数据，不过还真是有那么一帮吃饱了没事干的人，就是想捣乱。所以，为了你的结果考虑，能在本地跑的程序，就别提交到别人的服务器上跑。

 

二、把服务器，数据库和你运行的程序的版本号都记录下来。

如果你在两个不同的服务器上，运行你的程序（比如ClustalW），并不意味着你把同样的事情干了两次。服务器的硬件配置，或者程序的版本号，都可能不同。所以，如果你在论文里面写“我在本地运行了ClustalW”，就太不专业了。别的研究人员可重复不了你的工作。

 

为了表现得专业一点，你最好随时记录你的服务器名称（这里指网络上的服务器），还有你程序的版本号。比如，ClustalW1.77和ClustalW1.81的运行结果就很可能不一样。你要是不知道ClustalW是啥...唉

 

如果你的程序（比如BLAST）用了一个数据库（比如Swiss-Prot），你要把数据库的名字和版本号都记录下来。

服务器一般都会变，更新升级是常有的事儿。据统计，平均6个月就会发生这种事情。

 

三、把数据的Identification Numbers或者ID，AC号都记录下来。

 

一般AC（Accession）号都不会变，但是ID（Identification）号在不同的数据库中会发生变化。

 

四、记录下来程序运行的参数

 

简单点说，就是你要把默认参数和你改动的参数都记录下来。上面都说了，版本号变化了，默认参数也可能变啊。

 

简单的记录方式就是截屏，如果不会请看下面一条。

 

五、要是在网络上运行出来的结果，马上就要保存。

 

这一条基本是废话，不过重点是你要考虑好你的结果是保存成文本文件，还是截个屏保存就完事儿。

不过我很诧异的是，原书仔细地说明了各种保存数据的方法，我这里把截屏步骤翻译过来，看来学生物的还真有计算机白痴。

1.按键盘上的PrntScrn键，或者“印屏幕”键。

2.把微软的画图工具打开，具体步骤是：开始->程序->附件->画图工具

3.按Ctrl+V，如果出现对话框就按“是”。

4.保存或者打印。

如果保存成jpg图像，那你的图像质量就被压缩了。

 

最后强调一下，结果最好保存成文本文件。

 

六、使用E-value

你做一次实验得到一个数据结果Result以及一个E-value（expectation values），那个E-value告诉你产生这个Result多大程度上是因为随机性造成的。原话是：

E-value tell you how many times a result as good as the one you're looking at could have been reached by chance alone.这句话之所以打出来，是因为以后出国面试也许用得到。 by chance alone是亮点。

 

E-value本身没有什么生物学意义，但是他一旦和生物学数据联系起来了，就有了生物学意义。

E-value越小越好。专业一点说就是，E值越小，结果越显著。

 

七、使用生物信息学工具之前，好好读一下说明文档。

最起码你自己弄出来的结果你自己要相信，可以和周围的人交流一下使用经验，一般同实验室的师兄师姐是最好的询问对象。个人觉得进一个实验室，要多问师兄师姐问题。

 

八、重要的结论性数据，要用不同的程序验证。

打个比方说，ClustalW的结果，用Phylip验证一下。

 

九、没发表的方法不要用。

不是说不让你尝试新的方法，但是如果一个方法没有发表，最好还是别用。如果方法的原理你不理解，也别用。

 

十、数据库不像红酒

额，这句话的意思就是，数据库放时间长了，就不好了。每次运行程序最好自己上网下载新的数据，而不要用别人下好的数据。可能别人下的数据版本已经很老了。

 

最后，要注意哪些免费的资源，如果你是为公司做事情。那些免费的资源有可能不免费。所以你要关注资源发布的协议。比如GPL协议神马的。如果不了解就google一下吧。