最近看到一篇文章:《完全用Linux工作》感触挺深；

原文地址：https://www.douban.com/group/topic/12121637/

文章很长，为节约大家的时间，在此总结一下我觉得有意思的观点：

1.你想想如果你没有用过 windows，你肯定会很习惯 /etc, /usr, /usr/local ,... 而不是 C:, D:, E:, ... 是不是？如果你只用过Linux，你第一次用 windows 时恐怕也会问："/bin 目录哪里去了啊？"  ，所以说习惯成自然，linux并没有那么高深。

2.学 linux 绝对不是浪费时间。用过linux分析数据之后，才发现在linux系统上分析数据的效率是windows没法比的。虽然前期学习linux会花上一部分的时间和精力，但是，一但你学会和习惯了linux的工作方式，你会发现在后续的工作中你会觉得前期花费的时间是值得的。举例来说，你在windows上整理统计一个表格可能会花费你一天的时间，数据一但调整，需要重新分析的时候，又要花费你一天的时间，是不是很痛苦？而在linux上你可能只需要几条命令或者一个简短的脚本分分钟就能完成，即使数据有变动，只要稍稍改一改脚本或者命令，瞬间就能完成工作，是不是很牛。最重要的，这些分析步骤都可以记录，可溯源，不会像windows分析完了，过几天想检查一下，确总是不能重现原来的结果，科学无法严谨，发表论文大忌。所以，牛不是吹的，用过的人都知道；

3.Linux 的系统操作方法几十年都没有很大变化，这非但不是顽固，不进步的象征，反而是Linux的远见卓识的体现！而windows系统一直在不断的升级，每一次升级你都要花时间去适应和学习，而linux你学习一次受用终身。windows上的软件也是一样，例如office从2003，2007,2010每一次升级我们都需要去适应和学习，有时候真的讨厌但又无可奈何。相反，在linux系统就不是这样了，例如，vi 作为linux的一个文本编辑器， 伴随着 UNIX 的最初发行而诞生，直到今天还是世界上头两号编辑器之一，我认识的一位60多岁的老师，用vi都几十年了，没有变化一直在用，是不是很神奇！

    然而在生物领域，大多数人都是用windows工作的，小编也是学生物出身，起初对linux系统也是一窍不通，甚至也持有那样的观点：linux是学计算机的人用的，我们不学计算机，不需要用linux；但是，随着对linux深入了解和日常使用体会，渐渐的发现linux在生物数据分析中具有巨大的优势：

因此在这里，我来总结一下在linux上做生物信息分析的好处：

1.可以实现自动化，相同，相近的工作可以编写代码或者脚本完成，遇到类似分析只要换换文件，改变一下参数，就能自动完成，这就是我们编写的pipline，分析流程。

2.几乎所有的生物信息分析软件最开始都是基于linux系统开发的，在windows上根本就没法用，在二代测序领域的分析软件尤为如此，像bwa，tophat等比对软件，组装软件等等在windows上就不能用；再有就是由于生物数据量越来越大，随便测个转录组都是上G数据，所以几十G甚至上T的数据都是家常便饭，对处理性能要求远远大于UI操作需求，那么windows就没有了用武之地，只能linux上场了。

3.发表论文中很多精美的图片，尤其是高水平的文章，很多都是用绘图语言完成的，而不是excel的图表功能就能完成的。

Linux 这么好用，我也想用，该如何入手呢？ 别急，我们下期将会教大家如何搭建linux生物信息分析环境，简单易学，敬请期待。

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课：linux系统使用、biolinux搭建生物信息分析环境、linux命令处理生物大数据、perl入门到精通、perl语言高级、R语言画图、R语言快速入门与提高

7. 医学相关数据挖掘课程，不用做实验也能发文章：TCGA-差异基因分析、GEO芯片数据挖掘、 GEO芯片数据不同平台标准化 、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他，二代测序转录组数据自主分析、NCBI数据上传、二代fastq测序数据解读、

9.全部课程可点击：组学大讲堂视频课程