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

倒騰了很久的程式碼，結果測試也通過了，然後現在要寫報告了，心情的表情馬上從呲牙變成咧嘴。

倒騰了一上午，一直在摸索怎樣在linux平臺上把報告怎麼快速搞出來，然而這個對我來說好像太不效率了，好了，不搞逗了，老老實實作報告吧。謹以下文，安慰我這種兔子亂跳的心情。

按慣例先講點廢話。對於生信的各種指責，其中有一條看起來既合理、又致命：你用的測序儀等裝置是老外做的，你只是做做計算，因此沒有原創性。這個指責流傳之廣、影響之深，以至於很多老先生也認為這樣的指責是合理的。在兄弟我看來，這個指責因為惡意的混淆了一些基本概念，所以本身存在致命的問題：沒有搞明白生信是做什麼的。第一，搞生信的不是機器貓，所以你不要老是覺得搞生信的就應該是哆啦

所以，第一，兄弟我歷來認為，專業學者不要隨便跨行，該誰的事情，自己解決。第二，搞測序儀是否需要生信？需要。例如東南大學咱生信領域的前輩

講正事。昨天還是前天，華大發布，主要是為測序資料分析提供一站式的服務。緊接著，國內迅速有帖子質疑華大的BGI Online抄襲：“”，主要的指責有兩點：第一，安全白皮書基本上是抄了七橋公司的，並且有圖有真相；第二，分析流程抄襲了七橋公司。那麼兩個指責是否正確？或者說：華大有沒有抄襲？

先講第一個問題。從質疑帖子的截圖來看，華大基因應該是抄了七橋的白皮書，而且不是小抄，基本上是直接把人家的白皮書搬了過來。為什麼華大會抄別人的安全說明書呢？我仔細的考慮了5秒鐘，明白了。原因很簡答：程式設計師們都不喜歡寫文件，全球都如此。寫程式做軟體對於程式設計師們是樂事，但辛辛苦苦寫一些絕對不會有人看的說明書，那是相當的無聊。我和胖子合作做了一堆軟體，歷來都是認認真真寫使用指南，不過胖子後來做了統計，發現說明書的下載量基本接近於零。所以胖子整天抱怨說沒有人看說明你還整那玩意兒幹啥的？我說那也得整啊，要講規範好吧。第二個原因是：華大的程式設計師們，想來英文水平也不咋地。咱寫說明書英文寫的都是一塌糊塗，我不相信寫文件能優美到哪裡去。所以綜上兩個原因，華大的程式設計師應該是偷了個懶，就把人家的東西搬了過來。因此這個指責沒有問題。當然華大反應也是夠快，以迅雷不及掩耳盜鈴之勢就更換了白皮書，不相信可以跟七橋的白皮書比較一下，已經基本上不一樣了 (這一步驟花了足足25秒鐘的時間)。當然對於這個問題，第一，華大應該就抄人家白皮書這件事兒公開道歉。錯了就是錯了，你改的快那也還是犯了錯不是？第二，以前人家不關注你，你抱怨大家不關注；現在大家關注你，你要犯錯也別怪大家痛批你。第三，這個其實也就是個小問題，程式設計師習慣的問題，一是寫文件的程式設計師要罰寫500字檢討，面壁倆小時；二是華大應該以此為契機，規範一下程式設計師的工作習慣。畢竟已經是全球領先的大公司，不能老拿自己當小混混。

第二個問題，分析流程有沒有抄襲？我花了整整1分鐘的時間來比較BGI Online和的異同。七橋的核心分析流程有5個，包括基於BWA+GATK的全外顯子組分析、基於BWA+GATK的全基因組分析、基於Cuffdiff的RNA-Seq差異表達分析、基於TopHat的RNA-Seq比對，和基於STAR的RNA-Seq比對。有9個，除了上述5個之外，還有4個新的，包括基於ELSA/BALSA的全基因組和全外顯子組分析，，所以這是華大自己搞的新流程；然後是兩個經過華大優化之後的全外顯子組和全基因組分析流程；第四個是華大修改過之後的RNA-Seq分析流程，其中一個工具SOAPnuke，這顯然是華大看家工具集SOAP系列之一。那麼與七橋公司相同或者非常相似的5個流程，有沒有抄襲呢？兄弟我的回答：沒有必要。這是因為，第一，程式設計師們一般不抄別人的東西，主要是別人寫的程式碼一般都看不懂，改別人程式碼與自己重新寫一遍的工作量是差不多的；第二，七橋公司的這幾個流程不是祕密，而是全球搞測序資料分析的生信學者都應該知道的東西，並且各家都會根據自己的需要再做調整。第三，為什麼七橋公司的這幾個流程不是商業機密？OK，你只需要看看他用的軟體，例如BWA, GATK之類的，這都是早發表過並且連火星人都知道的東西，沒有自己的核心技術，有何祕密可言啊？咱搞蛋白質不做測序，可如果需要的話，搭一套這種分析流程最多24小時。無非下載幾個常用軟體，寫幾個指令碼連線一下輸入輸出也結了。當然後面再調整那就費時間了，要調到最優或者自己用起來最優，不是這個領域的行家就搞不定了。並且就算是領域的行家，各人做的流程也五花八門不統一。第四，為啥華大要實現跟七橋一樣的流程呢？這個簡單：你有的，我得有；我有的，你沒有。第五，那七橋公司沒有啥呢？答：沒有核心技術。軟體都是人家的，你搭個流程沒有創新。第六，華大有創新？呃，起碼有一個：SOAP系列，我數了一下是14個軟體。所以SOAP是華大的看家法寶，這也就是為什麼華大曆來說自己是生物資訊學公司，而不是測序公司。這倆是有本質的區別。第七，華大做的SOAP，是垃圾軟體嗎？這個咱不做測序分析，所以可以看看咱生信領域的超級明星，可以看看圖2，SOAPdenovo和Velvet, AbySS,以及Durbin自己開發SGA拼裝基因組的效能是相當的。SOAPdenovo,Velvet和AbySS用的是DBG演算法，而SGA用的是OLC演算法，若你真想批評華大的SOAP是垃圾軟體，OK，你先讀懂這倆演算法再說。第八，還不服？那咱再說一個，你知道RNA-Seq測序資料服從的是負二項分佈而不是高斯分佈？不知道，對吧？你也不知道要用最大斯然性估計MLE來求負二項分佈的均值和方差吧？所以，不懂沒有關係，隔行如隔山，但不懂還嚷嚷別人沒創新，那是不是應該被鄙視？因此綜上所述，分析流程這個一是沒有抄襲的必要，二是華大自己有東西何必去抄別人的破爛玩意兒？華大這麼做，目的就一個：吃掉你。

結論：第一，白皮書這個已經死無對證了吧？抄個沒有人看的說明書多大的事啊？既然已經更正了，那這件事兒就這麼過去吧。第二，5個分析流程抄襲的可能性接近於零。搞測序資料分析就那麼幾個軟體好用，大家用相似的流程說明不了任何問題。

當然這件事情也提醒大家：該寫的文件還得認認真真自己寫啊！