生物信息学的科研实际上就是在计算机上进行的科研。各种文件的管理其实是个很重要的事情。乱七八糟的文件不但会影响研究进度和效率，还有可能造成意想不到的错误和损失。在过去六年的科研过程中，我逐渐总结出了一套适用于自己的文件管理方式。这套玩意不一定适用每一个人，不过，我想，给别人看看无伤大雅吧。
对于一个一般的生物信息学项目，都要单独建立一个文件夹，里面的结构大约是这个样子的，当然不可能每个都一样啦。略微偷偷懒也是允许的诶，只要别把自己搞乱了就可以了
SMC |------ src |------ dat |------ bin |------ log |------ bak |------ doc |------ ref |------ TODO.TXT |------ STATUS.TXT |------ META.TXT
SMC：项目根目录，就是你自己喜欢的项目代号啦，例如我曾经用过的代号：CURE，PURE，SAIR，MAIRE……
src：项目的源程序，脚本，批处理文件等的目录
bin：可执行程序，.class文件等
dat：项目的各种数据文件，中间结果，临时测试等等等，这个是最乱的目录啦
log：记录项目中的各种问题，数据处理中删掉哪些数据，为什么删除，整理了哪些结果，为啥那么整理的…..总之，目的是为了让自己，注意是自己，明白自己都干了什么，即便是在梦游状态下干的。这个玩意的目的在于建立一个基本完整的undo/redo的机制。
bak：项目过程中需要删除，但又不晓得会不会后悔的部分，我想你懂得
doc：paper就是从这个里面诞生的啦
ref：EndNote文件和一大堆的PDF，你知道这是什么啦
TODO.TXT：你不想明天早晨起床后再回忆昨天晚上都觉得自己今天需要干啥吧？这个文件就是干这个事情用的。
STATUS.TXT：中止一个项目以后，你确定你一定不会又来搞它吗？尤其是在3年以后？这个文件是用来确定一个项目究竟是为什么不做了的，以及是不是做完了，要不然dejavu的次数多了，很浪费时间的。
META.TXT：这个项目的一些元数据，例如，为啥它叫SMC？
接着，有了目录结构以后，下面的问题就是组织那些乱七八糟的数据和代码，他们真的是乱七八糟的。例如你的原始数据文件是smc.txt，去除了重复数据以后，就命名成smc_nodup.txt，再经过反向互补以后，就得是smc_nodup_rc.txt，文件名的每个段落表明一次处理的目的，这样只要看到那些文件名和文件的生成时间，就可以知道你的数据是怎么处理出来的。要不然，3年后去想当时怎么处理的数据，那可是很大的一场灾难啊。
代码方面我是C#+JAVA+Perl+Bash+CPP+VB+VBA…反正很多语言的说，哦，对，还有R和MATLAB，有些人说生物信息学只要 R+Perl就万事大吉了，不过，可惜的是，我不是Perl大牛，没有本事用Perl搞定一切。例如把人类基因组装进内存什么的，在下愚钝，还得用CPP 解决。故而，组织代码是很重要的。如果是Visual Studio的话，会好很多，只要注意一个项目只建一个解决方案，然后各个程序分别作不同的项目就可以了。当然，把生成目录设定到bin目录里去，这个是很重要的。至于Java和Perl，我个人推荐Eclipse环境来搞定。Eclipse+EPIC就是很好的解决方案，Windows下的perl还是用Strawberry perl吧，比Activestate的更方便，主要是有CPAN的资源支持啦，不需要到处去找DBI/DBD的那些connector了。这样的话，在运行程序的时候，就只需要在命令行窗口里保持在dat目录就可以了。然后用..binXXXXXX.exe的方式来进行执行，需要的文件也就在当前目录下了。
虽然我不是Linux的粉丝，但是我仍然觉得，即便是Windows，也还是装一套MSYS或者Cygwin增强一下的好，尤其是推荐Cygwin，以及其中的X Server，那个可以直接用来连接远程的X桌面，玩Cluster的时候，很有用的。Cygwin一定要装各种wget，sed，tr…的工具，处理生物数据，太有用了。多行fasta变单行，就一行命令：
sed 's/^>S*/|&|/g' {FASTA_FILE_NAME} | tr -d "rn" | tr -s "n" "*" | tr -d "*" | sed 's/|/n/g'
这些玩意是相当相当的好使滴。
至于怎么编程，其实不用我特别说，我相信会编的人都会编，不会的肯定都不会。但是程序里面也最好都写点废话，例如我在Perl程序里面一边都会写这么两行。
# XXXXX.pl - This scirpt is used to XXXXXX # Usage : XXXXX.pl XXXX File YYYY File ZZZZZ Value
以防万一你3年后需要这个程序，然后连怎么写参数都得现看代码，那可真的是灾难，其实，真的用不了3年，3个月足够了。
管道操作和批处理是很重要的，尤其是在有了Windows PS以及Win7的CMD扩展之后，用起来那是相当的有效率，这个事情以后专题写吧，内容很多。
至于paper怎么写，其实我觉得主要还是先把框架搭好了，然后边写边改的好。这个也得以后专题写。
嗯，文件管理方面的就这样吧，想起来再补。