生信人员为什么是全实验室最靓的崽？
生信人员为什么如此高产，经常可以发20分以上的文章，他们生产的数据的过程其实和生产力的三要素不谋而合，生产力包括什么呢？它包括劳动资料，劳动对象，劳动者。
我们一个个来说。
劳动资料，也约摸等于生产工具，他们的生产工具是贵的一皮的高通量测序仪，这也是其高大上的一个原因。目前测序仪只有少数几家能生产，测序仪已经进化到第三代，测序成本虽然大大降低，但是对于一些单细胞的RNA测序做起来，动辄一做几千个细胞，这都是在烧钱那，一般的实验室烧不起，厉害（有钱）的实验室才能做到。
虽然Illumina占据了75%的市场，但华大已经有了自主产权的国产测序仪MGISEQ-T7。
为什么测序仪难做呢？
基因测序仪很复杂，涉及到光机电、生化反应、软件计算等不同领域。除了要生产出高精密的测序仪，还要配备有效的试剂盒，以及成套的解决方案。而且还面临着强大的对手的挑战。只有做的更快、更优、更长甚至更便宜才有获取市场的可能。
劳动对象，也是你要对谁做实验，科研人员可以对细胞的基因组，转录组，蛋白组等进行挖掘分析。什么？你问这些组是什么东西？那么，想了解这些东西的伙伴可以先了解一下生物界的定海神针——中心法则，这个短片通俗易懂地介绍了基因的前世今生，对你理解这个问题会有帮助。
基因的故事
每个人都有一套独一无二的基因，它在产生你的眼睛鼻子耳朵（美貌）前，会经历转录经历翻译一系列的过程，而科学家们将不同层面的大数据捕获收集起来，形成了每个组，也即是基因组，转录组，蛋白组。当然这可比高中学的要高深多了，比如有时实验中出现mRNA升高但蛋白量下降的情况，按理来说蛋白量随mRNA升高而升高，但是却反过来了，这背后的原因就有可能是翻译的效率下降。
为什么说这是大数据呢？比如一个人的基因有31.6亿个DNA碱基对，2万多个基因，而中间产生的数据更加复杂，还不包括表观遗传、非编码区的功能数据等等，加上会更多。所以一般生信人员都深谙热图等统计学的展示手段。因为他们有着Linux、R语言等计算机编程语言，所以这些都是飒飒随（简单）的东西。
红色表示基因表达上调，蓝色表示基因下调。
最后一个是劳动者啦，那就是苦逼的实验狗和秃头的生物程序猿啦。简单的来说，进测序仪之前，是实验人员的工作，拿到测序原数据后，就是生物程序员的活了。如果要做10000+个细胞的单细胞测序，实验人员要不停地重复重复，步骤虽简单，但重复量之多，容易让人睡着。。。从而容易出错。当然你愿意的话也可以用高通量的机器来操作。生信人员要做到不仅是会处理数据（虽然这已经很难了），但是更难地他们还要在一堆数据中找到差异的部分，还要乞求这些数据有生物学上的功能。
写在最后
上面讲的都是战术，利用生信的战略来做组学研究，当然是要多组学的综合研究，才能多重确认结果，提供更加丰富的解释。
生产力要高，三个要素缺一不可。科学技术是先进生产力的集中体现和重要标志，是第一生产力。放在生信上面，简单的来说，就是程序猿处理测序仪产生的各种组数据。
生信员有时候也很嚣张，面对如此，下次见面你就和他说，数据处理好了吗？bug解决了吗？