Bioinfomatics Data Skills

发表于 分类于

Bioinfomatics Data Skills Cheatsheets

原文日期: 2016-10-08
来源: https://github.com/wlz0726/wlz0726.github.io

代码规范

代码应该是：

  • 可读的 (readable)

  • 模块化的 (modular)

  • 可复用的 (reusable)

测试代码策略

问自己三个问题：

  1. 这段代码被其他代码调用多少次？

  2. 如果这段代码出错，对最终结果的影响有多大？

  3. 如果发生错误，有多容易发现？

数据质量

永远不要假设数据是高质量的！

应该通过探索性数据分析 (EDA) 来证明数据质量。EDA 不复杂也不耗时，但能让你的研究更稳健。

最佳实践

1. 图表和统计应该是脚本的结果

不要手动处理数据，所有操作都应该是可重复的。

2. 使用相对路径

1
2
3
4
5
# ✅ 好
../data/stats/qual.txt

# ❌ 坏
/home/vinceb/projects/zmays-snps/data/stats/qual.txt

3. 项目文档

在每个项目的主目录中包含：

  • 方法和工作流程（命令行）

  • 所有数据的来源

  • 数据下载时间/版本/方式

  • 软件版本

Shell 技巧

花括号扩展

1
2
3
4
5
6
echo dog-{gone,bowl,bark}
# 输出：dog-gone dog-bowl dog-bark

mkdir -p zmays-snps/{data/seqs,scripts,analysis}

touch seqs/zmays{A,B,C}_R{1,2}.fastq

通配符

最佳实践：尽可能限制通配符范围

1
2
3
4
5
# ✅ 好
zmaysB_R?.fastq

# ❌ 坏
zmaysB*

前导零和排序

1
2
# ✅ 好：file-0021.txt
# ❌ 坏：file-21.txt

Tmux 快速参考

管道使用

1
program1 input.txt | tee intermediate-file.txt | program2 > results.txt

这里，program1 的输出既写入 intermediate-file.txt，又直接传递给 program2。

此文档为 GitHub 博客自动归档