35、Unix与Perl编程：数据检查、求助途径与问题解决
Unix与Perl编程：数据检查、求助途径与问题解决
1. 数据检查的重要性
在处理数据序列时，有些字符绝不能出现在序列中。例如，字符 “X” 不能用来表示核苷酸，“J” 也不对应任何氨基酸。同样，如果下载了对应基因的 DNA 序列，这些序列的编码部分长度应该是三个核苷酸的倍数。
在处理数据时，应先查看数据，但通常数据量过大，无法手动检查。若对数据有怀疑，花一两个小时编写一个简单的 “检查” 脚本，确保数据看起来有效是很合适的。不要像有些程序员那样，花一周时间编写分析 5GB 基因组数据的脚本，最后却发现下载的是电影《超级宝贝 2》的数字副本。
有时候可能不清楚数据应遵循的规则，但通常能对什么是好的数据做出一些合理的 “猜测”。例如：
- 起始坐标应在结束坐标之前；
- “事物” 的长度通常为非零值；
- 化石、挖掘物或古代文明的年代不应超过 46 亿年。
这些都是数据合理性检查的好例子。即使数据可能取任意值，也可能期望一定比例的数据点落在 X 和 Y 之间的范围内。世界上有很多不良数据，迟早会遇到，所以永远不要信任原始数据（OPD），一定要检查它！
2. 内置支持工具
当遇到 Unix 或 Perl 问题时，可能不需要走太远就能找到帮助，计算机上可能已有一些支持机制。
2.1 Unix 命令文档
每个 Unix 命令都有自己的文档，包含在手册页（man pages）中，可以使用 Unix 的man命令访问。