生物信息學perlpython

① 生物信息學應用，學perl還是學python更好

perl吧，僅僅應用到生物學的話學點簡單的就好，perl就很簡單

② 你是生物信息專業的你們學編程沒都學了些什麼語言

以前上課學的C/java/C#/匯編 。居然沒學過c++
自學的perl/python/matlab/R/等等

現在還在生物信息這條船上沒跳走。

----------
補充下：
其實用什麼語言搞科研主要看老闆，
我最初老闆和組里其他人都用perl.我也學perl。這樣方便大家交換程序
現在的老闆用python，我就開始學python了。
其實覺得bioinformatics的本科都會教c或者java.會了c/java其中任何一個，再學perl或者python或者matlab就都是非常非常容易的

現在這個領域里用的最多的我覺得是python,正在慢慢取代perl。matlab因為不免費，流行不廣不如python,perl,java。但是我覺得確實最最最方便最適合搞計算方面研究的（如bioinformatics）

③ Perl，R，Python在生物信息學中分別扮演著怎樣的角色

生物方面的話多看些測序啊比對啊之類的文章~編程的話基礎的就要學linux和perl，然後之後可以自學一些Python啊R語言之類的東西。

④ 處理生物信息學上的問題用perl好呢還是Python好呢糾結要學哪個

顯然是perl 啊，
bioperl 讓你得心應手。

⑤ 請問perl和matlab哪個用於生物信息學分析更好

兩個配合使用更好
perl + matlab
或者

perl + R

⑥ 關於生物信息學

資料庫是必然的。其他兩個選作更好。

⑦ 搞生物信息學，學VB還是Python好或其他語言

建議學習Python，Python 具有簡單易學、代碼規范、語法簡單、可移植性強、支持多平台、類庫豐富等優點。另外，Python的社區支持要非常好，網路資源更加豐富。
生物信息學一般需要處理大量的文本、數據，Python提供便捷的數據結構來處理文件、字元串等，提高你的編程效率。
Good luck!

⑧ 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。

⑨ 如何自學生物信息學

先說一下自己吧，我碩士讀的是細胞生物學，今年4月開始在boss要求下自學perl，打聽了下，這本書不錯，就買來開始看，等5月份去北京參加公司的培訓班時，讀了一遍，看了一部分。培訓回來，我們的項目就開始做了，9月拿到所有原始數據和分析結果。然後，我對照著公司的分析報告，試著自己走一邊分析流程，中間遇到問題，自己解決不了的，就發郵件求助。有幾點需要注意：
1. 我能理解你想早些玩兒數據的願望，但是在這之前，最好要有一個outline.需要知道數據從哪兒來的，怎麼產生的?其實就是測序儀的工作原理。然後是數據質量檢驗，為什麼需要數據過濾?接著是reads拼接和組裝。總之，要對整個流程有一個認識，而後在學習的過程中，再不斷回頭對比這個流程，這樣才不會有迷失的感覺。[這本書](BioInformatics for High Throughput Sequencing)推薦看一下。
2. 有了基礎知識的鋪墊，就可以嘗試著自己做些練習了，paper上面都會給出他們的數據、原碼地址，可以找來自己試試，先看看自己能不能做出一樣的效果。當然，這時要是你手裡正好有項目，那就更好了。
3. 學生物信息，paper肯定是要跟蹤的。這兩個網站可以經常看一下：
[homologous](Homologus - Frontier in Bioinformatics) 覆蓋生物信息有趣的論文， 演算法，以及生物科學問題。這個網站還匯集了很多生物信息領域科學家的博客。再如BGI的主程羅瑞邦， SAMtools、BWA的作者Heng Li都有在這里出現。
[rna-seq Blog](RNA-Seq Blog) 推薦新的論文、工作、培訓課程、大型會議等。
如果你是生物背景的，那麼計算機方面的知識需要補一下：
- 需要能在linux環境下舒服的工作。比如從源碼編譯安裝軟體、PATH配置，再比如舒服地使用google找到問題的答案 :-)
- 學會使用python/perl。比如有的時候運行一個軟體老是報錯，可能就是因為在一個包含幾十萬行的文本文件里，有隨機的那麼幾千行的末個位置，多一個冒號，[就像這里](using HTSeq | popucui), 這時候你知道需要怎麼做了?
- 學會R。要從一大堆基因裡面找出表達水平變化的基因來，需要統計分析和顯著檢驗;而要把我們的數據更直觀地展示出來，最好的方式就是圖形了吧。這兩個需要，R都能滿足。當然matlab也是可以的，區別在於R是開源工具。
- 具備了上述技能，那麼常用的軟體就能用起來了。隨著學習的深入，可能你的問題別人也沒遇到過，這時候就需要自己動手，要麼修改現成的工具，要麼自己做一個出來。這時候，除了python/perl，或許還可以學學C/C++/java，或許需要研究下比如BWT、De Bruijn Graph背後的原理。

⑩ Perl，R，Python在生物信息學中分別扮演著怎樣的角色

Other elements/features （其他特性）
Beamforming with standardized sounding and feedback for compatibility between vendors (non-standard in 802.11n made it hard for beamforming to work effectively between different vendor procts) （標准化的波束賦形技術，使不同廠商設備互相兼容）
MAC modifications (mostly to support above changes) （MAC層的修改，以期支持以上特性）
Coexistence mechanisms for 20/40/80/160 MHz channels, 11ac and 11a/n devices （多頻道共存，和11a/n設備共存）