生物背景从事生物信息分析工作，本科时候对统计、计算机之类的有些兴趣，觉着“生物信息”很高大上的样子，什毛都不懂就如了生信的坑，这一路下来，知道越多越觉得需要了解、懂的东西也越多，经常有“我擦勒，要学这么多东西啊” ， linux, R, python, perl…… 微博上看了各种从入门到放弃系列，觉得很有意思，这里也不自知的写个从入门到放弃吧，生物信息是一个多学科的交叉学科，遗传、生理、计算机、统计基础好像都须知道一些，“XXX，从入门到放弃”，我也不知道是啥从入门到放弃。

很早就有利用博客整理、交流学习思路的想法，懒癌穷癌很成功的阻止了我，看到很多利用github的教程，简单粗暴，终于鼓起勇气试试。

讲真，统计不是很懂，遗传不知道怎么说起，那就说说生信分析的linux、R、python这些咯。

Linux

分析主要工作环境，命令行操作，分析工具众多。

基础命令：cd，pwd，ls，mkdir，rm，touch，cp，mv，echo，wc，ln

文件查看：head，tail，more，less，cat (zcat)

打包压缩：tar，gzip，zip，bzip2

文件处理：vim，awk，sed，grep (zgrep)，join

其他几个有用的命令：find，top，ps，kill，free

Linux系统命令可以通过man command或者command --help的方式查看帮助信息

其他几个须知的点：重定向>，文本追加>>，管道|，后台运行&和nohup，标准输入、标准输出和标准错误

R

两个功能，分析和绘图。分析这个主要是利用一些现成R package，例如转录组分析中DESeq、edgeR这些；绘图，当时还是ggplot2，教程很多，我这个R战五渣没有发言权。学习R，当然要有RStudio，R书籍什么的， R语言实战、ggplot2数据分析与图形艺术都可以看下。

python

主要是文件整理吧，不同格式转换，提取有效信息。python语法简单，基本上很快都能写出实现自己功能的代码，有很多第三方modules帮你实现想要的功能，另外学习的人多啊，不怕找不到人问问题。

编程能力这个还是靠多练习了，一些知识点就只能自己看书看教程背，现在网上也很多python相关的资料教程，边看边练习，入门很快的。记得，我当时看了很多七七八八的教程，然而少练习，折腾挺长时间，廖雪峰的python教程 (2.7)，笨方法学python ，github上也是有很多python学习笔记或者英文书籍翻译。

强烈推荐ipython，可以理解为python里的Rstudio吧，可以生成富文本(filename.ipynb)文件，很方便用于脚本展示、交流。

Anaconda ，一个python科学计算环境，包括了常用的numpy、pandas、matplotlib、ipython等modules，管理python工作环境，实现python2, python3和谐共存，这个也是刚开始了解，熟悉的朋友可以交流交流。

perl

和python类似吧，文件整理。这个这个，只会打印hello, world，算是不会了，网上也很多博客教程，可以参考学习。

其他技能

MarkDown

语法简单，结果展示酷炫，低门槛装逼利器。

Typore：免费markdown编辑器里面最好的，界面简洁，支持多种格式（pdf，html，docx等等）导出。

Docker

可以掌握的技能。关注docker，这是因为同事提到工作流程迁移系统环境兼容的问题，docker完全免去了这些烦恼。无奈，工作系统版本太低，无法安装，还没有试过。