生物信息学是一门工具性的学科，主要是编写，使用软件去解决生物学问题。换句话说，生物信息学是一门关于数学，统计学，生物学的交叉学科。为了解决具体的生物学问题，目前已经有了许多优秀的生物信息学算法和软件。这些软件有的是使用perl写的，比如Annovar等；有的是使用C/C++写的，比如bwa等；有的是使用Python写的，比如cnvkit等，也有使用Java编写的，如Exomiser等。已有的软件经过了使用者和开发者的测试使用验证，在准确性上都有了很高的保证。
在这种情况下，有的生物信息学分析步骤已经比较成熟了，也已经有了规范，一般我们不需要自己从头开发软件去解决问题，只需要使用脚本语言组合现有的软件搭建合适的流程去解决问题，因为现有的工具已经足够了。但是，同时也有一些方面，现有的软件并不能很好的解决，或者说这个解决问题的方法比较个性化，这个时候就需要我们自己造轮子了。所以，我认为不管是已经有了优秀软件的，还是还没有合适软件的，我们都要尝试自己造轮子，去解决具体的生物学问题，这样对使用生物信息方法解决问题这件事会有自己独特的理解。
我们以最基础的生物信息问题举例，序列比对问题。序列比对，简单来说是一个字符串匹配的问题。一般来说，分为以下几种情况：短序列比对到长序列；短序列比对到一组长序列；多序列比对；长序列比对。解决不同的情况，需要应用不同的算法，即使使用现有的比对软件，也需要使用不同的参数。所以如果不了解其中的具体算法，是很难真正解决一个生物学问题的。
上面也提到了，生物信息软件可以使用各类不同的编程语言，使用较多的应该是perl，python，C/C++.Perl语言在字符串处理方面有独特的优势，且它又是脚本语言，开发速度比较快，在生物信息学中使用广泛。Python语言具有广泛的第三方库，在需要使用一些统计学算法时，不需要从头编写，直接可以使用三方库即可实现，开发速度快且方便，近年来有取代perl的趋势。C/C++主要在解决一些性能要求比较高的问题时需要，但是相对开发速度较慢。
GO语言是由Google开发的编译型语言。语法与C语言类似，学习曲线平缓，容易上手，代码也易读。开发效率和运行效率表现都很好。如果使用GO语言对一些已有的软件进行重构，可能是一件有趣的事情。既可以学习使用GO语言去解决生物学问题，又可以对具体的生物信息学算法有一个全面的认识，我觉得这不失为一种有效的学习方法。下面是我具体的一个计划：
（1）序列比对：
精确比对：NW算法的实现，SW算法的实现
启发式比对：BLAST算法的实现
其他比对：BWT比对算法的实现
多序列比对算法的实现
（2）变异检测：
SNV检测：遗传性变异检测算法的实现，体细胞变异检测算法的实现
Indel检测：重比对检测算法的实现，局部组装检测算法的实现
CNV检测：Exon CNV检测算法的实现，全基因组CNV检测算法的实现
SV/FUSION检测：Split reads重比对检测算法的实现，DNA/RNA分析算法的实现
（3）变异注释：
Annovar软件算法的实现
（4）基因表型分析软件
Exomiser的基本算法介绍
（5）ACMG自动化
SNV/CNV自动化分类
（6）其他：
UPD/LOH检测算法的实现
HLA分型
性别计算
可视化交互界面的实现
流程构建框架
TMB的计算
MSI的分析
以上计划是一个比较庞大的项目，每一个算法，我都会选择一个或多个现有的软件进行分析，在此基础上使用GO语言对算法进行简单重构，主要目的是为了理解算法，当然在理解算法的基础上，能对现有的算法进行优化，那是最好的结果。