常识的力量 - 防止错得太远
做生物信息的一定要会利用常识的力量。
1. 对自己分析结果的把握
普通生物信息最大的弊端就是太依赖工具、算法这些东西，大部分的人平时其实都不知道自己用的工具到底是干嘛的，它能产生什么结果，更别说评价不同工具的优劣了。（主要也是工具太多了，有些也比较复杂）（建议有空还是看看工具的原理，大致了解就行，这能非常有效的提升分析的手感）
既然大部分生信工作者都是工具使用者，那我们如何掌控工具产生的结果呢？最有效的就是利用我们已有的常识来反推工具到底在做什么。
比如我在用RNA-seq数据来组装转录本，300个样品，通过标准的hisat2和stringTie流程我得到所有的转录本，这时我计数了一下699638个转录本。有点惊喜，这么多啊。
但是，这个数量合理吗？俺暂时不知道。
接着就是blast，499764条都能比对到，打开结果一看很多转录本都比到一个蛋白上了，而且比对位置也一样，这里我就知道了699638条转录本里大部分应该就是duplication了。
再接着，除去能比对到多个数据库的转录本，我还剩下10w条，自然就去用CPC等预测lncRNA，发现大部分都被鉴定为non-coding。这不科学吧，CPC和CPAT都是灵敏度、特异性很高的预测工具，别人文章最多也就鉴定几千个，我这随便就鉴定出来了10w条，嘛呀，是不是可以发nature了。
后来反复思考，觉得这个数字肯定异常，CPC等工具其实是不靠谱的，它们统计的灵敏度、特异性时使用的数据集就是有问题的，他们用的已经注释好的mRNA和ncRNA，那他们就只能局限于预测这两个了。
但是，但是，我们大部分时候用CPC的时候是直接来跑stringTie等预测的transcript，由于是二代数据，我们组装出来的是转录组碎片，stringtie等出来的大部分都是一些没有意义的exon的随机组合而已（我同时用了ref和denovo模式），也都被CPC预测为non-coding了。
自此，通过一些常识，我发现strinTie的结果的特征，同时也明白了CPC等工具的局限性。
所以，在生信分析时，多用常识质问自己“我的结果合理吗？”是很实用的，能防止“重大惨剧”的发生。
2. 正确写代码的姿势
生信肯定离不开写代码，我觉得写代码的时候似乎也在利用常识。
写代码比点击GUI更灵活高效，也更容易出错。
我有轻微强迫症，所以在写任何代码的时候会输出一些关键的变量，看是否符合自己的预期。
后来想想，其实这是非常有用的，它能有效杜绝99%的error。
就像建大楼，从底下开始稳稳的往上堆，大楼就会很稳固。
在写大型脚本（>1000行）时，再结合模块化思维（函数封装，类），普通人都可以写出非常健壮和正确的脚本。
小结：诸位想让生信事业一帆风顺的话，还是得多思考，多利用一下常识的力量。
一些常识：
