E’ con PyGR, un’altra libreria per la bioinformatica in python. Ci do un’occhiata appena ho tempo e poi scrivo..

Per ulteriori interessanti scambi non esitare a contattarmi via mail o su forum, blog di tua convenienza.

Ciao e grazie.

P.S. By the way, ho notato dal tuo cv che abbiamo collaborato (in realtà nel mio caso con brevi consulti per analisi di microarray) con lo stesso gruppo di Padova (che ometto per la privacy): quanto è piccolo il mondo!

espresso o gcrma non riescono a girare decentemente sul mio PC (1 Gb RAM). RMAExpress, d’altro canto, scritto in C++ e con una gestione migliore della memoria, mi ha fatto fare una bella RMA con 150 array senza impedirmi di lavorare ad altro.

Sulla sintassi reitero (non e’ certo un linguaggio OO) anche se forse piu’ che un difetto di R e’ forse legato al suo ispiratore S-plus.

Per quanto riguarda i bachi grossolani, purtroppo i pacchetti di Bioconductor sono sviluppati da accademici, e nonostante la qualita’ piu’ alta rispetto alla media clamorosamente bassa dei software bioinformatici (il mio blog riporta casi evidenti) comunque soffrono di mentalita’ “Publish or perish”. Per citare un altro caso, il pacchetto “exonmap” per l’analisi degli exon array Affymetrix prevede, per poter utilizzare le funzioni di annotazione, di installarsi l’intero database Ensembl piu’ altre tabelle addizionali. Ora, senza raggiungere certe sofisticazioni, un file di testo e quattro tabelle UCSC sono sufficienti a ottenere un risultato dignitoso.

Altro esempio: “GOdb” in forma sorgente ha un errore nel calcolo delle dipendenze (richiede AnnotationDbi >= 1.1.6 quando s’intendeva 1.0.6) e quindi sotto Linux non si installa (mentre il pacchetto per Windows va benissimo, ma non usando il suddetto SO sono fregato).

Non e’ una noia solo di R, anche pacchetti blasonati come TMeV soffrono di problemi astrusi, ma il risultato e’ lo stesso: per girarci attorno devo reinventare la ruota un mucchio di volte.

Uno dei veri problemi che uccidono la performance di R e’ che quasi nessun pacchetto usa funzioni native, preferendo reinventare la ruota da zero, unito alla gestione della memoria non eccelsa. Poi anche a me tocca usarlo per qualcosa (la SAM, per esempio) ma cerco di evitarlo il piu’ possibile (o usare wrapper tipo Rpy).

Da ultimo mi scuso per aver deragliato i commenti, ci sarebbe forse da riprendere la conversazione altrove.

“la sintassi è astrusa”

Sicuramente, soprattutto se lo paragoniamo a Python, R/S è meno chiaro almeno all’inizio e, per un programmatore puro non così piacevole da utilizzare… D’altro canto superato lo scoglio di apprendimento iniziale (anche se devo dire che la documentazione, a tutti i livelli, è incredibilmente ricca), non dover riscoprire la ruota ogni volta, ma poter produrre in ‘no time’ analisi statistiche garantite (da statistici con i contro ***** e con il codice sempre a disposizione), poter stampare grafici e analisi con una qualità adatta alla stampa nei Journal internazionali è veramente entusiasmante dal punto di vista professionale.

“i pacchetti, specie di Bioconductor, spesso contengono bachi grossolani ”

Escludendo casi specifici (quello da te citato è uno) non sono d’accordo e poi, come ben sai (ho visto il tuo sito, complimenti!), è open source e migliora costantemente con il susseguirsi, piuttosto rapido (se confrontato ad altri progetti), delle nuove release.
Al contrario, la forza di R sta nel numero esorbitante di package a disposizione(è vero puoi anche fare il caffè o ordinare una pizza su Internet ), nella qualità estrema delle analisi statistiche che permette e nel supporto ‘comunitario’ che fornisce. Per la qualità dell’analisi statistica devo dire che le persone coinvolte nel progetto sono statistici/scienziati di prim’ordine sia dal punto di vista professionale (basta verificarne le pubblicazioni e l’influsso nei vari campi della statistica, bioinformatica,etc) sia da quello umano (che ho potuto verificare di persona in qualche R/Bioconductor course e che non guasta mai!). Per quanto riguarda la comunity è semplicemente sensazionale: mi sono iscritto a molte liste di questo tipo ma nessuna è così frequentata, ricca di utili consigli e soluzioni come quella di R.

“in generale la performance e’ terribilmente scadente”

Paragonata a linguaggi veri e propri come C o fortran (e pure perl se si parla di manipolazione di file) non c’e’ dubbio che la velocità operativa lasci molto a desiderare… Comunque, imparate alcune peculiarità del linguaggio tipo l’uso della ‘vettorizzazione’ invece dei più comuni e deprecati loop e l’uso intensivo di package scritti in c/fortran per i calcoli ‘pesanti’, R risulta più che appropriato per qualsiasi tipo di analisi soprattutto se questa viene svolta su un bel cluster Unix/Linux con la ‘giusta’ quantità di RAM .

Mi scuso per la prolissità ma sono veramente convinto che R, ovviamente coadiuvato quando necessario da linguaggi di piu’ basso livello (nel senso di più prestazionali ovviamente), sia uno dei fiori all’occhiello dell’open source scientifico in Italia (da quello che so e’ impiegato in buona parte delle università italiane che si occupano di statistica et similia) e nel mondo (a sentire la lista di discussione).

Linguaggi come Python o Ruby sono molto meglio da questo punto di vista. Peccato che le controparti Bio* siano spesso limitate a pochi ambiti oppure con documentazione scarssisima.

Al momento, per l’analisi statistica mi sono affidato a scipy, ma mi sono limitato a qualche chi/t test. E non perché non abbia bisogno di analisi più complesse, ma perché non ho avuto tempo di studiare meglio