- 经验1：不要把时间过多的花在数据的前处理上（如序列的比对、标准化），要用同一的pipeline
我们实验室所遇到的数据，如表达谱芯片，ChIP-seq，RNA-seq很多都有成熟的pipeline，如（表达谱芯片的RMA归一化，ChIP-seq从比对到peak calling，RNA-seq若是只做gene定量的pipeline）。我们做研究的目的是发现数据背后的生物学问题，并不是花时间、花大精力去开发软件。所以，我们需要把前边数据前处理的流程统一化，让这部分的工作快速、准确、标准化的完成后，把更多的时间用来挖掘其中的生物学意义。
- 经验2：如果公共数据库中已经有的结果，尽量不要做重复的工作
如果公共数据，已经有类似的数据，除非对是自己的课题特别重要，否则尽量用公共数据，不要再浪费时间和精力做别人已经做过的事情。同理，如果公共数据库中已经有别人比对和整理好的结果（如ChIP-seq的bigWig文件和peak的bed文件），可以直接使用，尽量直接使用。
- 经验3：整理出结果（一些table或可以导入igv的文件），要尽快的分享给大家
我们生物信息的分析人员，处理很多数据，涉入很多课题，有时候，并没有办法充分挖掘所有数据的生物学意义。因此，当我们数据前处理之后，就应该把实验的数据发给生物学的同学们，他们可以通过excel看单基因的表达量，igv图，这样对他们的实验会很有帮助。同时，当你的数据被别人使用的时候，你会很好的得到feedback，共同讨论，一起进步。
- 经验4：避免一些私心，从一个团队的角度出发
由于每个人都想发文章，都需要发文章才能够顺利拿学位，所以，在实验和分析的过程中会有一些私心。这一点我也承认我有。例如，我好不容易分析的结果，为什么要告诉别人，或者不会主动告诉别人。我分析的数据，不希望别人也分析。等等。但是，如果从长远的利益考虑，这种私心其实是非常没有必要，甚至是非常错误的想法。因为，大家是一个团队，大家互相讨论，互相学习，才能互相进步。我们真正面临的竞争，不是实验室内部的同学，而是来自于国际上同行的竞争。如今，生物信息领域飞速发展，组学数据越来越多，文章越发越快。
