生物分析編程語言

Ⅰ 生物信息學需要掌握C++嗎

需要。首先生物信息學也是計算機相關學科。凡是和編程和演算法相關的專業，我覺得C語言是基礎，是必須要學一學的。C語言能教給你的最重要的事情，就是讓你對「計算機計算」這件事情有一個不錯的了解。對計算機能做的事情充分掌握。當然這些東西通過學習計算理論、計算機系統結構、演算法導論等課程都能掌握，聽起來也沒有什麼非學C的必要。不過使用C/C++編程的時候對這些的親身體會更為重要一些。如果你自己覺得自己是非計算機的，比如本科是生物或者醫學出身的。演算法和程序不需要了解太深，那麼不學C也是可以的。相對的，你也只能處在底層的利用別人的工具分析的階段，一旦這些工具中出什麼問題或者想針對自己的需求修改這些工具的結果就很困難了。再加上數據挖搭敬逗掘、機器學習其實離生物信息學並不是那麼遠。而且只會C/C++肯定是不行的，選擇方便自己的工具也是很重要的。C/C++也只是工具的知賣一種。在統計分析方面R就很方便。如果想自己做神經網路結構的話，python也很好用。不過到了實用的方面，你做的東西走向產品化。C++就變得非常重要了。C++經常被使用在需要效率的地方，而生物信息學不少方面的數據稿旅處理的數據量並不小。我自己就重構過一個關於DNA數據分析的python->C++的優化，目的就是提高效率，結果是快了約1000倍。現在看到有些人為了繼續提高效率都開始上FPGA了。所以做生物信息不需要關注效率可能是個偽命題。當然你說不會C/C++影不影響出研究成果，我覺得基本是不影響的。研究還是點子更重要。

Ⅱ Perl，R，Python在生物信息學中是怎樣的角色

應該說Python/Perl是相互替代的腳本語言，但個人推薦用Python, 雖然很多老的生物信息軟體是用Perl,Python學習曲線好，功能也更強大，是發展趨勢。這兩個語言主要是做數據預處理、文本處理和格式轉換、對演算法效率要求不高的分析軟體開發，系統管理和pipeline搭建等工作。R語言主要的優勢是大量的統計包的支持，數據統計分析中非常常用。Python和R有良好的介面。關於繪圖很多人用R,其實Python的Matplotlib的繪圖效果比它漂亮很多，也更強大。對pipeline的搭建shell編程更適合，是一個不可缺少的技能。與資料庫相關的工作需要用到SQL， Linux : 操作系統，是基礎。 生物信息對Linux的要求其實並不高，並不是要做系統開發者或管理員，只需要會用就行。復制粘貼、處理數據、安裝軟體等。生物信息軟體：標准數據分析。 生物信息學的數據格式已經基本標准化，大部分工作可以直接用軟體完成。Perl和Python：處理個性化問題、軟體之間的對接。 這兩門語言至少應該熟練掌握一門自己寫程序用，另外一門要能看得懂。 寫點小腳本感覺差別不大，但是perl寫大程序不合適。 很多人認為python是趨勢，但至少截止目前更多生信軟體是用perl寫的。 所以，如果剛開始學，建議主打python, 看懂perl。R ：數據處理、統計、繪圖、數據分析。 R語言的數據結構跟其他語言差異較大、而且總感覺語法比較散，不好記。但是R的軟體包卻異常強大。數據處理的reshape2, dplyr；繪圖的ggplot2；還有Bioconctor里的幾千個包。不得不會。

Ⅲ 生物信息分析師都需要具備哪些技能

1. 計算生物學、統計學、機器學習、生物信息學等相關專業
2. 國內畢業者需碩士學位或以上 （或國內本科及兩年以上相關工作經驗） / 海歸人員需國外的本科學位或以上
3. 熟悉Linux/Unix操作系統，有HPC環境背景優先考慮
4. 熟悉生信流程創建
5. 精通PerI、R （如會Matlab、Python、C/C++中兩種以上編程語言可加分）
6. 具備較強的中英文文獻查詢與閱讀能力，並做英文書面報告
7. 精通單細胞、高通量測序數據的分析全流程者優先考慮