excel遗传学（当遗传学遇上Excel格式化）

全文共3792字，预计学习时长10分钟

图源：lynda

Simon很喜欢做电子表格，他喜欢把数字一列列地排列起来，然后通过公式来处理这些数据，这种做法的难度介于编写代码和做笔记之间。

Simon不仅有做账单的表格，还有用于记录各种项目、假期和爱好的表格。即使是深藏阁楼、许久不用的东西也有一个表格记录，Simon的新年决心也写在电子表格中。

每次当他开始思考某件事时，就会自动打开一个新表格，然后把想法分成不同的行和列。这里不恰当地引用一句Abraham Maslow的话，“如果你仅有一张电子表格，那么所有的东西都可以都成一个单元格。”

不过像Simon这样钟爱电子表格的人并不多见。事实上，只要你使用过Excel，就会很清楚它的缺点。在表格中输入一个电话号码，如果很不走运的话，它就会变成8.E 09，再好一点的情况可能就是没有前面这个0。有时候数字还会变成日期，有时候日期又会变成数字。Simon已经习惯看#N/A了。

上述这些事情都非常恼人，但你终究会习惯的。然而，如果你是一名遗传学家，这就会影响到你的工作了。

将大多数基因输入到Excel中并没有什么问题，比如“Myosin regulatory light chain interactingprotein”（缩写为MYLIP），但如果输入“Membrane-associated ring-CH-type fingers”（缩写为MARCH1），Excel就会把它识别成日期，并且还会“非常有效”地将其转换为2020年3月1日。

Simon对此很感兴趣，这是一种奇怪的边界情况。当第一位Excel软件工程师编写出扫描文本并将特定值转换为日期的功能时，谁会想到有一天它会把科学研究文档搞得一团糟呢？

Simon感到如释重负，因为他不是唯一与Excel做斗争的人。但是，这种基因格式化的问题，不仅仅是一个有趣的怪现象而已，实际上它是一个令人惊讶的大问题。

四年前，科学家在一项研究中写道:“对领先的基因组学期刊进行程序性扫描，结果显示，额外的Excel基因列表的论文中，约有五分之一都存在基因名称转换的问题。”事实上，自2004年以来，科学家们就一直在写Excel给他们带来的各种问题。二十年来，这个令人哭笑不得的现象就一直困扰着基因组学杂志。

图源：Getty Images

直到几周前，人类基因组命名委员会（HGNC）决定重新命名这些有问题的基因，这样它们就不会在Excel中转换成日期了。MARCH1变成了MARCHF1, SEPT1变成SEPTIN1，以此类推。换句话说：基因学家们非常恼火Excel把他们的数据弄乱了，于是他们更改了官方的科学名称，让它们更加适合Excel。

这其中蕴含卡夫卡式的内容。崇高与平庸产生了联系，这太不可思议了：重要的科学工作遇上了Excel格式化。看到全球范围内的人都与我们拥有相似的经历，是一种很奇妙的感觉。你绝对想不到遗传学整个行业，会和微不足道的个体遇到一样的困扰。

网友们最开始抱着一种娱乐的心态，后来，Simon发现了三种截然不同的反应。

第一种反应是“学会正确使用Excel”。也就是说，Excel本身没有什么问题，只是科学家没有正确地使用这个工具。如果他们希望数据保持原样，而不进行格式化，他们就应该在值之前添加一个撇号，或者应该将列的类型设置为文本格式。他们的数据被弄乱是他们自己的错，这是对科学界不熟悉计算机操作的控诉。

第二种是“科学家无论如何都不应该使用Excel”的说法。对于科学家来说，Excel是一个过于简单的工具。他们应该使用Matlab、R，或其他高级脚本语言或应用程序来处理他们的数据，这样他们就不会有这个问题。

最后，还有那些讨厌微软的人表示，数据被破坏了要归咎于微软。Excel不应该将这特定的27个基因识别成日期了，其他基因也不可以转换成任何时间。Excel是人类的祸害，我们应该和科学家一起对微软发起攻击，让他们改变他们的方式。

图源：unsplash

Simon对所有这些观点都表示同情，但真相肯定介于两者之间。人类基因组组织（HUGO）做出这一改变时，是因为每个人都处于一个进退两难的境地——科学家和有着截然不同的计算机技能的实验室助理之间、遗传学家和软件向后兼容性之间。

当然，许多科学家都将学习数据格式以及阻止数据转换为日期的方法，但意外还是会发生。如果表格被保存为CSV格式，再次加载到Excel中，还是会被破坏。初级研究人员总是忘记这一点。一位遗传学家告诉TheVerge网站的工作人员：“这真的很烦人”，数据格式让研究人员措手不及。

对于微软来说，这是一个奇怪的边缘问题，这27个基因只是碰巧匹配到了可以读取为日期的字符串。公平一点来讲，月份的名字是排在第一位的。（事实上，当Excel被编写出来时，这些基因还没有命名。）

也许在某个时候，这个问题能得到公众广泛的关注，然后微软就会发布一个新的Excel版本，其中日期解析代码会进行修改，使这些基因名称绝不会转换为日期。但这是一项繁琐而复杂的工作，即使微软进行了更新，也需要数年时间才能产生影响，因为世界各地的大学都在逐步更新他们的微软软件企业协议，并且更新到了最新版本的Excel。

更有可能的情况是，如果微软已经收到了这个问题的警告，他们只会发送一个链接到相关的知识库文章。

就像萧伯纳那句名言——他们是主动适应世界的理性的人，还是被动适应世界的非理性的人。基因学家们也必须做出选择，他们需要适应的是自己。

关于这两个实体的相对权力，这里有一些有趣的政治观点。也许这是关于人类在计算机方面普遍存在的一种低水平的、无能的一点，或者是关于Excel本身。

图源：unsplash

大约十年前，前微软的Excel程序经理Joel Spolsky指出，“大多数Excel用户从不使用公式。他们只在需要表格时才使用Excel。网格线是Excel最重要的功能，而不是重新计算。”

批评集中在微软身上，因为Excel已经成为电子表格的通用品牌。但是同样的问题也出现在谷歌表格中，所以即使微软改变了Excel，这个问题也不会消失。

为了完整起见，Simon还尝试将基因导入苹果的电子表格软件Numbers中，并发现它并不会将MARCH1重新格式化为日期。虽然这对遗传学家来说是件好事，但这种自动格式检测的缺失是否是Numbers不受欢迎的原因之一呢？

Simon已经被这整件“坏事”迷住了，它似乎代表着一个更宏大的东西：在科技面前，我们无能为力，甚至整个行业都无能为力。

他发现软件有限、脆弱、不好用、往往不适合这项任务，通常也会思考软件是如何传遍世界、渗透并侵入每个行业的每一个方面的。我们离不开软件，每张桌子的电脑里，每个房子里，甚至在每个口袋、每个商店和办公室里，都会运用到软件，每一个动作和思想背后都有一台电脑。

我们不能为了行业的工作而改变软件，就像我们不能改变潮汐的变化一样。现成的应用程序是一种自然的力量，科研人员要避开软件的限制，就像水手要避开潮汐图一样。

Simon下载了对他来说毫无意义的基因数据表格，只是为了玩玩和找出错误而已。这是一个关于错误格式化基因的游戏，名叫Where’s Waldo。当他发现自己在对这个问题进行哲学思考时，想到这个行业必须继续发展下去。

整个事情当然是荒唐可笑的，但人类基因组命名委员会做出了一个明智且务实的决定，这让遗传学家们很高兴——对抗一场本质上不幸但也很有趣的命名冲突。

这个故事有个有趣的结尾。浏览基因列表时，他看到了一些其他的名字。其中一种基因被命名为“Sonic Hedgehog”（音猬因子），部分得名于电子游戏角色和乐队Sonic Youth；另一种叫做“Bag of Marbles（一袋大理石）”；还有Cheap Date（廉价的日期）、Buttonhead（半圆头）和Dunce（傻瓜）等等。

有很多这样的名字，这听起来有点好笑，但如果你是医生的话就不会这么觉得了，你会小心翼翼地告诉父母，他们的孩子有很严重的健康问题，你必须严肃地解释，他们的One-Eyed Pinhead（独眼针头）有一个突变。

图源：unsplash

在读到这些之前，Simon对基因的无知让他相信这些名字是科学家们精心设计的。但事实是，这些名字不得不因为Excel这样微不足道的原因而被重新命名。总的来说，科学家们似乎松了一口气。

Simon认为，Excel的故事能激发人们想象力，原因之一在于科学的神圣性，以及我们对逻辑严密、以研究为导向的科学家们的假设。科学家们并不是我们那样到处开玩笑，然后给基因取个愚蠢的名字；但也像我们一样，科学家们也只能试图最大化运用他们拥有的软件。

留言点赞关注

我们一起分享AI学习与发展的干货

如转载，请后台留言，遵守转载规范

,