明确问题，追求目标，才是生活快乐的根源 Peter Pan故事，当追求的目标，理想，本来就不存在，这将是一个痛苦的过程。 但是，当生活失去了目标，失去了正常的作息，工作的节奏，人本身就失去了调节昼夜的能力，甚至在下午睡觉，这种失调已经足够让人得上抑郁症。 生活中的快乐是什么？当你朝着你的目标，你想做的事情，一点点努力，全身心投入的时候，是人生最有意义，最有价值的时候。这时候的你根本不会惆怅迷茫自己该追求什么。 尼采说过，一个知道为什么而活，并且不断追求着这个人生目标的人，可以承受一切苦难。 生活中快乐的来源，永远不是得到最后的结果，而是看着自己一点点朝着目标靠近，再靠近，逐渐实现的那个感觉。在毕业时，提交论文，获得学位，拿到奖励时，人们感受到的常常不是快乐，而是茫然不知所措，甚至陷入抑郁。 只有在追求目标时，追求的行为刺激了大脑中枢中对应的追求神经元，给人带来真正的快乐。 没有工作，那么生活就失去框架，没有目标，生活就被没有框架的混乱彻底淹没。
五月初正式开始上班，工作的第一个任务，就算搭建一个外显子和转录组突变的分析平台。而开始就是，什么都没有。没有电脑，没有服务器，也没有任何软件和经验。我们的工作就是一步步搭建起突变分析及定制化分析平台。 下面我从硬件和软件两个角度，整理下平台搭建的细节和思路。出于费用限制，我这里采用的是GATK4的开源流程，并于本地计算。若下面有相关费用支持，则继续测试Google Cloud平台和Sentieon的流程，云加商业化Pipeline也是现在商业化快服务需求的标准配置吧。 服务器/工作站/主机采购 外显子及转录组的突变分析流程，需要较大的计算通量和高并行计算支持。我手头只有一台12年的mbp，显然无法完成流程搭建。只能另辟蹊径，由于公司的新员工可以配新的办公电脑，在同事们将近两周的支持下，我配了一台20核40线程，64GB内存加4T机械，256G固态的“办公电脑”，作为我们分析硬件平台。
机器学习模型有哪些？ 有监督线性分类器，包括KNN，线性分类(LDA)，广义线性分类（Logistic)等。 有监督线性回归，包括线性回归，LASSO/ridge回归等。 有监督非线性分类器，包括SVM，随机森林（决策树）和神经网络等等。 无监督分类器，包括PCA，Kmeans等等。
机器学习入手几大问题： 1.选择模型 根据模型复杂度，选择线性（linear, logistic, lasso)还是非线性模型（svm, ann, dt)以及其复合版本（dnn, rf)。 2.目标函数（可微分） 似然函数 –> 交叉熵（分类）–> 最小二乘法（回归） 3.优化方法（求梯度） 牛顿法 ，随机梯度下降（SGD) 4.正则化（可适应更多复杂情况） SVM中维度控制。 经验：越是复杂的问题，正则化条件需要越严格。
来源： Python开发者
人的大脑分为远古天性大脑和后天理性大脑。远古大脑保证了其一致的道德底线，但是相对理性大脑，有着诸多劣势。 人的天性对短时间的回报和损失高度敏感，而无法对长期受益损失有所回应。在投资上，会导致对短期收益和损失的过度重视，造成投资中非理性操作，比如高买，低卖。在生活中，会为了一点点面子和人大闹一场，甚至大打出手，而实际这个影响持续不了一天，对未来也无任何坏处。 并且，人的天性，在历史进程中和发育过程中占据主导地位。尤其是后天理性大脑消耗过度，人的大脑很容易为天性大脑主宰，做出过激非理性行为。 幸运的是，改变是大脑的天性，理性大脑本身是可以被培养强化的。用一般认知强化的方法，就可以对理性大脑的能力进行强化。 有时候，天性也是可以被利用的。比如减肥计划，deadline基金等。了解自己的天性和理性对提升自己的效率和生活质量都有很大的帮助。
主要分类 clustering classification regression dimension reduction
Preprocessing pipeline for MetaMed database
Related scripts for "Differential Analysis of Chromatin Accessibility and Histone Modifications for Predicting Mouse Developmental Enhancers, Fu et al."
HTML based RNAseq pipeline
Ranked vaccine peptides for personalized cancer immunotherapy
Automatically exported from code.google.com/p/ssea