程序员不好好写报告的结果是很严重的

转自：http://blog.sciencenet.cn/blog-404304-884328.html

倒腾了很久的代码，结果测试也通过了，然后现在要写报告了，心情的表情马上从呲牙变成咧嘴。

倒腾了一上午，一直在摸索怎样在linux平台上把报告怎么快速搞出来，然而这个对我来说好像太不效率了，好了，不搞逗了，老老实实作报告吧。谨以下文，安慰我这种兔子乱跳的心情。

按惯例先讲点废话。对于生信的各种指责，其中有一条看起来既合理、又致命：你用的测序仪等设备是老外做的，你只是做做计算，因此没有原创性。这个指责流传之广、影响之深，以至于很多老先生也认为这样的指责是合理的。在兄弟我看来，这个指责因为恶意的混淆了一些基本概念，所以本身存在致命的问题：没有搞明白生信是做什么的。第一，搞生信的不是机器猫，所以你不要老是觉得搞生信的就应该是哆啦A梦，你想要啥生信就必须给你啥。要有期望，但不要像你个窝囊废一样什么都指望别人。做人，要靠自己。第二，生信的研究范畴里，新仪器设备的研发，不是必须的。那么，测序仪等设备的研发，是哪个领域该做的事情？答：生物医学工程。那么生物医学工程领域的学者在做测序仪不？答：一直在做，例如，东南大学正在开发设计三代测序仪，如“东南大学第三代人类基因测序关键技术有突破”。东南大学的生物医学工程专业在国内首屈一指，比我们华工的生物医学工程要强。那么咱华工的生物医学工程是不是就是废物点心、啥事儿不干呢？当然不是，咱华工有强悍无比的光学成像，例如，“华中科大研发‘大脑地图’”，后来发了Science，做了十几年了还在做。另外，咱华工的数字PET，“【华中科技大学】数字PET国家重大仪器专项正式启动”，那也是拿得出手的设备。

所以，第一，兄弟我历来认为，专业学者不要随便跨行，该谁的事情，自己解决。第二，搞测序仪是否需要生信？需要。例如东南大学咱生信领域的前辈孙老师，就是在东南的生物医学工程学院。不然你测出数据之后没人分析，咋知道你测序仪做的好不好？重点在于：生信很重要，但做测序仪这事儿是否搞生信的一定要抢生物医学工程的饭碗？那人家大嘴巴子扇过来怪我们多管闲事咋办？第三，足球运动员内裤卖的好当然很重要，比如C罗，但卖内裤不是成为顶级球员必须的，例如煤老板。因此，请继续忠于理想，但偶尔也得面对现实。

讲正事。昨天还是前天，华大发布BGI Online，主要是为测序数据分析提供一站式的服务。紧接着，国内迅速有帖子质疑华大的BGI Online抄袭美国的七桥公司 (Seven Bridges)：“华大发布基因组数据分析云平台被质疑抄袭七桥基因”，主要的指责有两点：第一，安全白皮书基本上是抄了七桥公司的，并且有图有真相；第二，分析流程抄袭了七桥公司。那么两个指责是否正确？或者说：华大有没有抄袭？

先讲第一个问题。从质疑帖子的截图来看，华大基因应该是抄了七桥的白皮书，而且不是小抄，基本上是直接把人家的白皮书搬了过来。为什么华大会抄别人的安全说明书呢？我仔细的考虑了5秒钟，明白了。原因很简答：程序员们都不喜欢写文档，全球都如此。写程序做软件对于程序员们是乐事，但辛辛苦苦写一些绝对不会有人看的说明书，那是相当的无聊。我和胖子合作做了一堆软件，历来都是认认真真写使用指南，不过胖子后来做了统计，发现说明书的下载量基本接近于零。所以胖子整天抱怨说没有人看说明你还整那玩意儿干啥的？我说那也得整啊，要讲规范好吧。第二个原因是：华大的程序员们，想来英文水平也不咋地。咱写说明书英文写的都是一塌糊涂，我不相信写文档能优美到哪里去。所以综上两个原因，华大的程序员应该是偷了个懒，就把人家的东西搬了过来。因此这个指责没有问题。当然华大反应也是够快，以迅雷不及掩耳盗铃之势就更换了白皮书，不相信可以跟七桥的白皮书比较一下，已经基本上不一样了 (这一步骤花了足足25秒钟的时间)。当然对于这个问题，第一，华大应该就抄人家白皮书这件事儿公开道歉。错了就是错了，你改的快那也还是犯了错不是？第二，以前人家不关注你，你抱怨大家不关注；现在大家关注你，你要犯错也别怪大家痛批你。第三，这个其实也就是个小问题，程序员习惯的问题，一是写文档的程序员要罚写500字检讨，面壁俩小时；二是华大应该以此为契机，规范一下程序员的工作习惯。毕竟已经是全球领先的大公司，不能老拿自己当小混混。

第二个问题，分析流程有没有抄袭？我花了整整1分钟的时间来比较BGI Online和七桥公司分析流程的异同。七桥的核心分析流程有5个，包括基于BWA+GATK的全外显子组分析、基于BWA+GATK的全基因组分析、基于Cuffdiff的RNA-Seq差异表达分析、基于TopHat的RNA-Seq比对，和基于STAR的RNA-Seq比对。BGI Online的核心分析流程有9个，除了上述5个之外，还有4个新的，包括基于ELSA/BALSA的全基因组和全外显子组分析，第一作者叫罗锐邦，所以这是华大自己搞的新流程；然后是两个经过华大优化之后的全外显子组和全基因组分析流程；第四个是华大修改过之后的RNA-Seq分析流程，其中一个工具SOAPnuke，这显然是华大看家工具集SOAP系列之一。那么与七桥公司相同或者非常相似的5个流程，有没有抄袭呢？兄弟我的回答：没有必要。这是因为，第一，程序员们一般不抄别人的东西，主要是别人写的代码一般都看不懂，改别人代码与自己重新写一遍的工作量是差不多的；第二，七桥公司的这几个流程不是秘密，而是全球搞测序数据分析的生信学者都应该知道的东西，并且各家都会根据自己的需要再做调整。第三，为什么七桥公司的这几个流程不是商业机密？OK，你只需要看看他用的软件，例如BWA, GATK之类的，这都是早发表过并且连火星人都知道的东西，没有自己的核心技术，有何秘密可言啊？咱搞蛋白质不做测序，可如果需要的话，搭一套这种分析流程最多24小时。无非下载几个常用软件，写几个脚本连接一下输入输出也结了。当然后面再调整那就费时间了，要调到最优或者自己用起来最优，不是这个领域的行家就搞不定了。并且就算是领域的行家，各人做的流程也五花八门不统一。第四，为啥华大要实现跟七桥一样的流程呢？这个简单：你有的，我得有；我有的，你没有。第五，那七桥公司没有啥呢？答：没有核心技术。软件都是人家的，你搭个流程没有创新。第六，华大有创新？呃，起码有一个：SOAP系列，我数了一下是14个软件。所以SOAP是华大的看家法宝，这也就是为什么华大历来说自己是生物信息学公司，而不是测序公司。这俩是有本质的区别。第七，华大做的SOAP，是垃圾软件吗？这个咱不做测序分析，所以可以看看咱生信领域的超级明星Richard Durbin的论文，可以看看图2，SOAPdenovo和Velvet, AbySS,以及Durbin自己开发SGA拼装基因组的性能是相当的。SOAPdenovo,Velvet和AbySS用的是DBG算法，而SGA用的是OLC算法，若你真想批评华大的SOAP是垃圾软件，OK，你先读懂这俩算法再说。第八，还不服？那咱再说一个，你知道RNA-Seq测序数据服从的是负二项分布而不是高斯分布？不知道，对吧？你也不知道要用最大斯然性估计MLE来求负二项分布的均值和方差吧？所以，不懂没有关系，隔行如隔山，但不懂还嚷嚷别人没创新，那是不是应该被鄙视？因此综上所述，分析流程这个一是没有抄袭的必要，二是华大自己有东西何必去抄别人的破烂玩意儿？华大这么做，目的就一个：吃掉你。

结论：第一，白皮书这个已经死无对证了吧？抄个没有人看的说明书多大的事啊？既然已经更正了，那这件事儿就这么过去吧。第二，5个分析流程抄袭的可能性接近于零。搞测序数据分析就那么几个软件好用，大家用相似的流程说明不了任何问题。

当然这件事情也提醒大家：该写的文档还得认认真真自己写啊！