作为一名生物信息“工程师”，日常的工作环境是基于Unix的计算机集群，因此最常用的就是shell脚本。它可以简单的处理数据，再加上迷你语言sed和awk，也能满足日常需求了。
如果你满足于此，将会发现自己的代码维护不易，难以阅读和分享，这时候我们需要学习更专业的语言。R和python都是数据科学领域红火的编程语言，R本来就是由统计学家创建的，天生骄傲。python则是易上手的胶水语言，加上其扩展包pandas和scikit-learn等的加持，各行各业都有它的身影。建议都试试看，选择一个用得顺手的。
R的ggplot2和python的matplotlib各自赋予了两者强大的画图能力，绘制科研插图必不可少。有时候我们希望给图片加上交互的功能，这时候javascript就该出场了，掌握javascript语法及其常用库（如JQuery，boostrap和d3），能够创建各类交互式应用。
有时候我们收集了大量的结果，想分享给整个领域，可以选择创建一个数据库，一个可行的技术栈就是前端使用javascript（包括boostrap，JQuery），后端搭配python的django或者flask。不少发表的科研数据库文章都使用这种组合。
生物数据处理的经典软件，需要密集计算的或可视化交互的一般都由C++和Java开发，组学数据处理的包大部分都在bioconductor里，少数是python的模块。为了更好的交互体验，基于javascript的软件包也在不断推出，比如bio.js社区的成立，再比如HiGlass (http://higlass.io/) 可以流畅的在浏览器端可视化染色质交互矩阵 (使用d3.js)。
当然对大部分生信分析人员来说，编程语言只是工具和解决问题的手段之一，更重要的还是对生物学问题的理解。
