2009年12月的PLoS Computational Biology上发表了一篇名为《培养实用生物信息学编程技能的简明指导》的文章。在此推荐给生物信息学专业的学生。不管你是“菜鸟”还是“高手”，读一读此文，均将获益匪浅。用原文中的一句话来说，就是：Successful adoption of these principals will serve both beginner and experienced bioinformaticians alike in career develop- ment and pursuit of professional and scientific goals.

我根据自己的理解把文中作者的观点整理概括如下：

1. 打造适合自己的编程工具箱。

生物信息学中的编程语言众多，典型的如Perl、Python、Ruby、Java等。面对如此众多的编程语言，该如何选择呢？各种语言都有自己的优势与劣势所在，如何选择主要取决于自己的爱好、周围工作人员的选择、可用的网络资源等因素。
是不是掌握一种编程语言就足够了呢？答案是否定的。但这也不是说你要花费几年的时间来学习各种语言。作者的观点（包含了我个人的理解）是，精通一们语言的同时，熟悉其它的若干种语言，了解他们各自的优缺点【典型的如：R基本上无法进行并行的统计运算】，因时因事进行选择，并利用各种工具或者库把各种语言粘贴起来，在一种语言中调用另一种语言。

2. 充分利用现有的开源软件、工具。

除非你想练手，否则请不要重新发明轮子！你不是一个人，你想编程实现的某种功能，很有可能已经有人完成了，并把代码以开源的形式共享给了大家，如编程语言中的生物信息学工具集：BioPERL、BioPython、BioRuby、BioJava和Bio-Conductor。那么如何找到这些开源的代码为自己所用呢？除了使用普通的网络搜索引擎外，推荐大家使用Koders和Google Code Search。

3. 熟练掌握并使用Unix。

为什么非得使用Unix系统？原因很多——Unix系统的稳定、瑞士军刀型的shell工具集、流水线式的管道、只针对Unix开发的生物信息学软件……在此不进行详述了。

4. 项目/程序代码的维护与管理。

主要是一些编程规范，如：描述性的有意义的变量命名、清晰的代码注释、写作程序文档，此外，还有：使用make之类的工具管理运行代码、使用版本控制系统（Version Control Systems , VCS）维护代码、定期备份，等。

5. 并行运算。

包括多台电脑的并行运算与一台电脑多线程的并行运算。

6. 数据的结构化存储。

根据数据量的大小、数据的特点等选择合适的格式来存储数据，如：存储到数据库中用SQL提取，或者采用key/data的思路来存储数据，等。
7.理解电脑硬件。
充分利用硬件的特性、利用各种技术来加速生物信息学中的运算，如：向量化、GPU运算等。

7. 数据的交流。

为了方便交流数据、让别人理解数据的含义，除了尽量使用标准的定义、名词外，尽量采用标准的格式来展示数据，如：XML、CSV、TSV等。

8. 时间、时间、还是时间！

21世纪最贵的是什么？时间！在性能、时间、功能等各种因素中寻找出最佳的“性价比”。同时，专注于功能，而不是代码的完美。（The perfect is the enemy of the good.）目的第一，其他都往后站。只做一件事，并把它做好！（此语不只适用于程序，具有一定的普适性。）

9. 与时俱进。

生物信息学的发展日新月异，因此想要在生物信息学领域混，就要与时俱进！“追风”的手段很多，比如：RSS订阅期刊、博客、用户组、交流群等。文末作者给出了几个比较好的交流社区，不过不要抱太大希望。因为——优秀的东西未必会被墙，但被墙的东西一定异常得优秀……

以上条目仅起抛砖引玉的作用，欲知详情，请阅读原文。

文章的详细信息：
Dudley, Joel T, and Atul J Butte. 2009. A quick guide for developing effective bioinformatics programming skills. PLoS computational biology 5, no. 12 (December): e1000589. doi:10.1371/journal.pcbi.1000589. http://www.ncbi.nlm.nih.gov/pubmed/20041221.

如果你懒得到官网去下载，请点击此处！