在基因測序中為什麼要用到perl？

01-05

先說明一下，我用C/C++，Perl，R都比較多。

處理測序數據的時候，只是 Perl 用的比較多，但不是非得用 Perl 不可。

Perl 用的比較多是因為

歷史原因：測序技術剛發展起來的時候（人類基因組計劃完成之前），Perl 比較方便，而且人類基因組計劃也確實在perl的幫助下才得以順利完成（How Perl saved human genome）。當然這不代表非 Perl 不可，但人們選了 Perl，說明 Perl 至少是最方便的幾種語言之一吧。
BioPerl：結果很快BioPerl就發展起來了，加上Ewan Birney等牛人的開發和推廣，迅速流行起來。BioPerl更完善了Perl作為膠水，粘合各種不同程序的功能（整理程序A的輸出，輸入到程序B……），特別是Bio::SeqIO，Bio::SearchIO, Bio::AlignIO這些模塊和bioperl-run包。
EnsEMBL：Ewan Birney後來又在 BioPerl 基礎上弄了 EnsEMBL （不只是那個資料庫，更重要的是EnsEMBL整個系統及其介面，可以套用到各種物種上：Ensembl Genomes），讓存儲和訪問基因組尺度數據的方便性又大大提高了。通用的基因組尺度的資料庫，其實UCSC才是先行者，但是EnsEMBL的數據組織和訪問比UCSC更系統和規範。而EnsEMBL提供的編程介面基本都是 Perl 的。類似的還有GBrowse和BioMart。
個人經驗（歡迎指出錯誤）：Perl 寫個小腳本檢驗點小東西很快，不會給你原來的思路太多干擾。R其實也行，只是處理字元串 R （BioStrings）有點慢。

我想說Perl其實一點都不out，最近只是Python比較流行。同實驗室用Python的同僚說，BioPython跟BioPerl實在差太遠，因此最後投奔Perl了……

"Do not reinvent the wheel"

歷史遺留問題，早期生物界，每建一個資料庫，就折騰出一個新格式(格式設計者又沒有任何正規的資料庫背景，考慮不到以後的更新與可擴展性)，導致的後果就是，當年做生信的主要工作，就是在一大堆文本格式之間倒騰數據格式的轉換，這時候perl的優勢顯示出來了 (這種情況下用正則其實也是野路子一時爽，好點的做法是認真寫一個parser)。當然，現在還有不少用perl的，sanger研究所據說也還在招perl程序員的，這就和現在許多金融機構還在招COBOL程序員是一樣的。

新入行的，沒必要綁死在perl上，要選腳本語言的話，也是python更好些。但其實你真懂了一門語言以後，語言就不是障礙了。比如樓上 @popucui 提到的KEGG，其實KEGG提供了完善了SOAP以及RESTFUL API，會寫簡單爬蟲的話，隨隨便便就爬下來了。。。。（逃

首先明確一點，基因測序是測序儀完成的，測序儀做的，就是從你的樣品里把一個個AGCT讀出來，並且為每個鹼基標記一個可信值，就是這個鹼基有可能被讀錯的可能性多大。然後假設你想問的是，在接下來的數據分析中，為什麼要用到perl。

perl在1987年出生的，這時候還沒有python。有的時候，我們是沒得選的，因為前人就是用的perl，我們要想用別人寫的工具，只能也用perl。比如對大量基因進行KEGG注釋用的工具KAAS KEGG Automatic Annotation Server 就是perl寫的，如果我想部署到本地，只好學用perl

不一定用Perl。你用Python也可以。

問題應當是「為什麼要用一個腳本語言」？

可以用來：解析、處理結果，組織分析流程。

因為bioperl 實現得好

宇宙第一字元串處理神器吧，處理AGCT這種序列應該有優勢。

1. perl很多有軟體和庫，調用方便

2. 你可以用其他的，python，c++等

3. 我在用了python和c++後覺得他們寫多重hash（perl，c里是map）時，perl寫起來比較方便。

不用Perl也可以的，我就不愛用。只是Perl的正則表達式比較好用，適合字元串處理

因為Shell，C之流不適合，現在用Python的也不少

其實現在用perl已經out了

我覺得因為前人用perl，後人就跟著用perl而已。現在很多程序用C，python，都已經很多了。其實這些語言都是相通的，僅僅只是工具，重要的思路和分析方法