遥望宇宙的深处，
漆黑，寂静，
如万古长夜，
我们孤独地生存在汪洋宇宙的孤岛上。

通过这三张图，便可把基因的结构掌握的清清楚楚。

核酸中不同结构(碱基, 核苷, 核苷酸)、不同类型(A,T,G,C)的英文名字容易混淆. 而且不同名字对应的化学结构也没有规律, 所以总结如下:

生物信息分析，首先要知道基因组上的序列成分(sequence components)，这是一个直观的概念。人基因组中有~20,000蛋白质编码序列，占整个基因组的1.5%。它们被非编码的intron间隔，分散在基因组中，二者合起来占基因组的26%。剩余的是一些重复序列，占基因组的绝大部分

多多是小儿的乳名，去年年底来到这个世界，转眼间已七个月了。小家伙在他娘肚子里时就特别嗨皮，出来后让我们都心惊了一跳，脐带都扭转了十三圈。怪不得临产前胎心不稳定，看他多着急出来！从黑夜的子宫来到这个光明的世界，他循着光，睁开了眼看了看我们，又不屑一顾地闭上、呼呼睡觉去了。突然之间，我意识到家族的生命有了延续，生活里多了一份牵挂。

流行病学中的统计模型无法直接考虑因果关系，但另一方面有时可以根据先验知识预设因果关系。所以我们在研究时要区分，哪些讨论是单纯对统计模型而言的，哪些讨论是掺有专业上的先验知识，而哪些讨论是仅在理论上对哲学里因果关系的向往。

在绘图时，最影响美观的是颜色。有时亮丽的色彩适合表达鲜明的主题思想；有时暗淡一点或者简单对比的色彩更让人舒服。颜色样式繁多复杂，反映出图的风格，如人的个性。同作画一样，MATLAB、Python和R自由地绘图时，心中先需要”调制”一个调色板(palette)。

Bio.Entrez可以从NCBI Genbank提取各种信息，包括在线Blast结果的提取。尤其这些过程通过编程实现时，可以很方便的批量自动化获取信息。总结了Bio.Entrez的结构关系如下：

Python，不同于MATLAB和R，本身是一种很灵活的脚本语言。它的编程风格极为自由，也是处理文本很好工具，很适合大数据处理。不断有人给它添加了数据处理的模块，numpy，scipy，pandas，statsmodels等，更使它如虎添翼。sklearn，tensorflow，keras等机器学习模块，让它远远同时超越同类的编程工具和数据处理工具。即便绘图功能也不在话下，如同MATLAB一样简练，超出了我们对脚本语言的认知。

用它的各种统计和机器学习模块处理数据，同时有专业编程功能的神助攻，畅快淋漓！痛快！如此重量级的科研工具，怎能不掌握？

（本文不针对”数据挖掘”的大规模数据。讨论的仍是常见的中通量科研数据的统计分析）
数据分析和可视化软件层出不穷，让人眼花缭乱。傻瓜式的菜单操作给了我们便利，但给我们科研者带来的却是，数据越来越陌生。这些软件仿佛是实验外包公司一样，您对过程产生过怀疑么？我们提供数据，按照标准的规程一步步操作，结论自动呈现在懒人的面前。我不怀疑软件的正确性，我只怀疑使用者是否考虑过模型中的参数设置。