生物信息学perlpython

① 生物信息学应用，学perl还是学python更好

perl吧，仅仅应用到生物学的话学点简单的就好，perl就很简单

② 你是生物信息专业的你们学编程没都学了些什么语言

以前上课学的C/java/C#/汇编 。居然没学过c++
自学的perl/python/matlab/R/等等

现在还在生物信息这条船上没跳走。

----------
补充下：
其实用什么语言搞科研主要看老板，
我最初老板和组里其他人都用perl.我也学perl。这样方便大家交换程序
现在的老板用python，我就开始学python了。
其实觉得bioinformatics的本科都会教c或者java.会了c/java其中任何一个，再学perl或者python或者matlab就都是非常非常容易的

现在这个领域里用的最多的我觉得是python,正在慢慢取代perl。matlab因为不免费，流行不广不如python,perl,java。但是我觉得确实最最最方便最适合搞计算方面研究的（如bioinformatics）

③ Perl，R，Python在生物信息学中分别扮演着怎样的角色

生物方面的话多看些测序啊比对啊之类的文章~编程的话基础的就要学linux和perl，然后之后可以自学一些Python啊R语言之类的东西。

④ 处理生物信息学上的问题用perl好呢还是Python好呢纠结要学哪个

显然是perl 啊，
bioperl 让你得心应手。

⑤ 请问perl和matlab哪个用于生物信息学分析更好

两个配合使用更好
perl + matlab
或者

perl + R

⑥ 关于生物信息学

数据库是必然的。其他两个选作更好。

⑦ 搞生物信息学，学VB还是Python好或其他语言

建议学习Python，Python 具有简单易学、代码规范、语法简单、可移植性强、支持多平台、类库丰富等优点。另外，Python的社区支持要非常好，网络资源更加丰富。
生物信息学一般需要处理大量的文本、数据，Python提供便捷的数据结构来处理文件、字符串等，提高你的编程效率。
Good luck!

⑧ Perl，R，Python在生物信息学中是怎样的角色

应该说Python/Perl是相互替代的脚本语言，但个人推荐用Python, 虽然很多老的生物信息软件是用Perl,Python学习曲线好，功能也更强大，是发展趋势。这两个语言主要是做数据预处理、文本处理和格式转换、对算法效率要求不高的分析软件开发，系统管理和pipeline搭建等工作。R语言主要的优势是大量的统计包的支持，数据统计分析中非常常用。Python和R有良好的接口。关于绘图很多人用R,其实Python的Matplotlib的绘图效果比它漂亮很多，也更强大。对pipeline的搭建shell编程更适合，是一个不可缺少的技能。与数据库相关的工作需要用到SQL， Linux : 操作系统，是基础。 生物信息对Linux的要求其实并不高，并不是要做系统开发者或管理员，只需要会用就行。复制粘贴、处理数据、安装软件等。生物信息软件：标准数据分析。 生物信息学的数据格式已经基本标准化，大部分工作可以直接用软件完成。Perl和Python：处理个性化问题、软件之间的对接。 这两门语言至少应该熟练掌握一门自己写程序用，另外一门要能看得懂。 写点小脚本感觉差别不大，但是perl写大程序不合适。 很多人认为python是趋势，但至少截止目前更多生信软件是用perl写的。 所以，如果刚开始学，建议主打python, 看懂perl。R ：数据处理、统计、绘图、数据分析。 R语言的数据结构跟其他语言差异较大、而且总感觉语法比较散，不好记。但是R的软件包却异常强大。数据处理的reshape2, dplyr；绘图的ggplot2；还有Bioconctor里的几千个包。不得不会。

⑨ 如何自学生物信息学

先说一下自己吧，我硕士读的是细胞生物学，今年4月开始在boss要求下自学perl，打听了下，这本书不错，就买来开始看，等5月份去北京参加公司的培训班时，读了一遍，看了一部分。培训回来，我们的项目就开始做了，9月拿到所有原始数据和分析结果。然后，我对照着公司的分析报告，试着自己走一边分析流程，中间遇到问题，自己解决不了的，就发邮件求助。有几点需要注意：
1. 我能理解你想早些玩儿数据的愿望，但是在这之前，最好要有一个outline.需要知道数据从哪儿来的，怎么产生的?其实就是测序仪的工作原理。然后是数据质量检验，为什么需要数据过滤?接着是reads拼接和组装。总之，要对整个流程有一个认识，而后在学习的过程中，再不断回头对比这个流程，这样才不会有迷失的感觉。[这本书](BioInformatics for High Throughput Sequencing)推荐看一下。
2. 有了基础知识的铺垫，就可以尝试着自己做些练习了，paper上面都会给出他们的数据、原码地址，可以找来自己试试，先看看自己能不能做出一样的效果。当然，这时要是你手里正好有项目，那就更好了。
3. 学生物信息，paper肯定是要跟踪的。这两个网站可以经常看一下：
[homologous](Homologus - Frontier in Bioinformatics) 覆盖生物信息有趣的论文， 算法，以及生物科学问题。这个网站还汇集了很多生物信息领域科学家的博客。再如BGI的主程罗瑞邦， SAMtools、BWA的作者Heng Li都有在这里出现。
[rna-seq Blog](RNA-Seq Blog) 推荐新的论文、工作、培训课程、大型会议等。
如果你是生物背景的，那么计算机方面的知识需要补一下：
- 需要能在linux环境下舒服的工作。比如从源码编译安装软件、PATH配置，再比如舒服地使用google找到问题的答案 :-)
- 学会使用python/perl。比如有的时候运行一个软件老是报错，可能就是因为在一个包含几十万行的文本文件里，有随机的那么几千行的末个位置，多一个冒号，[就像这里](using HTSeq | popucui), 这时候你知道需要怎么做了?
- 学会R。要从一大堆基因里面找出表达水平变化的基因来，需要统计分析和显着检验;而要把我们的数据更直观地展示出来，最好的方式就是图形了吧。这两个需要，R都能满足。当然matlab也是可以的，区别在于R是开源工具。
- 具备了上述技能，那么常用的软件就能用起来了。随着学习的深入，可能你的问题别人也没遇到过，这时候就需要自己动手，要么修改现成的工具，要么自己做一个出来。这时候，除了python/perl，或许还可以学学C/C++/java，或许需要研究下比如BWT、De Bruijn Graph背后的原理。

⑩ Perl，R，Python在生物信息学中分别扮演着怎样的角色

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) （标准化的波束赋形技术，使不同厂商设备互相兼容）
MAC modifications (mostly to support above changes) （MAC层的修改，以期支持以上特性）
Coexistence mechanisms for 20/40/80/160 MHz channels, 11ac and 11a/n devices （多频道共存，和11a/n设备共存）