当遗传学遇上Excel格式化,科学家们也

全文共字，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AbrahamMaslow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“Myosinregulatorylightchaininteractingprotein”（缩写为MYLIP），但如果输入“Membrane-associatedring-CH-typefingers”（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：GettyImages

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