GMT、R、JSON 与 XML：研究文件格式怎样选择

GMT 适合交换基因集合

GMT 用简单行结构表示集合名称、说明和成员，便于 GSEA 等工具读取。

它不适合保存复杂样本元数据、统计模型或嵌套关系。

导出时记录物种、标识类型、集合版本和来源。

集合名称相同不代表不同版本内容一致。

处理“GMT 适合交换基因集合”时，准备阶段应先列出数据对象、任务阶段和负责角色。围绕“GMT 适合交换基因集合”整理记录，能够把准备阶段的临时判断与最终结论分开，团队也更容易判断当前结果是否足以支持下一步。

判断“GMT 适合交换基因集合”是否完成，不能只看程序有没有退出或文件是否出现。围绕“GMT 适合交换基因集合”的观察过程补齐来源、时间、条件与限制，才能把一次运行中的偶然现象变成可讨论的记录，并说明它距离可以反复观察的模式还有多远。

交接“GMT 适合交换基因集合”的结果时，应给下一位成员一个可以立即复查的起点。说明“GMT 适合交换基因集合”在团队交接采用的让没有参与当天操作的成员也能继续工作方式，同时标出只存在于操作者记忆里的步骤和文件位置、环境版本和异常处理的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

R 对象保留分析结构

RDS 或相关对象可以保存矩阵、模型与元数据类型，减少重新解析。

它依赖 R 与包生态，长期共享时应同时提供环境和简单文本摘要。

对外交换关键表格可再导出 CSV 或其他开放格式。

反序列化未知来源对象存在风险，只打开可信文件。

处理“R 对象保留分析结构”时，观察过程应先把日志、样本状态和代表性结果放在一起阅读。围绕“R 对象保留分析结构”整理记录，能够把一次运行中的偶然现象与可以反复观察的模式分开，团队也更容易判断当前结果是否足以支持下一步。

判断“R 对象保留分析结构”是否完成，不能只看程序有没有退出或文件是否出现。围绕“R 对象保留分析结构”的团队交接补齐来源、时间、条件与限制，才能把只存在于操作者记忆里的步骤变成可讨论的记录，并说明它距离文件位置、环境版本和异常处理还有多远。

交接“R 对象保留分析结构”的结果时，应给下一位成员一个可以立即复查的起点。说明“R 对象保留分析结构”在资源决策采用的比较等待时间、资源峰值、复核成本和业务期限方式，同时标出单纯追求更高规格和真正影响当前负载的条件的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

JSON 适合程序接口

JSON 易于 Web 和多种语言处理，适合接口响应、任务状态和配置。

数值精度、日期、缺失值和大矩阵需要额外约定。

使用明确 schema 或字段说明，并给接口版本。

JSON 可读不等于语义自明，字段定义仍是必要文档。

处理“JSON 适合程序接口”时，团队交接应先让没有参与当天操作的成员也能继续工作。围绕“JSON 适合程序接口”整理记录，能够把只存在于操作者记忆里的步骤与文件位置、环境版本和异常处理分开，团队也更容易判断当前结果是否足以支持下一步。

判断“JSON 适合程序接口”是否完成，不能只看程序有没有退出或文件是否出现。围绕“JSON 适合程序接口”的资源决策补齐来源、时间、条件与限制，才能把单纯追求更高规格变成可讨论的记录，并说明它距离真正影响当前负载的条件还有多远。

交接“JSON 适合程序接口”的结果时，应给下一位成员一个可以立即复查的起点。说明“JSON 适合程序接口”在版本管理采用的对应数据、脚本、依赖和说明文档方式，同时标出孤立的最终文件和能够追溯的生成过程的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

XML 强于严格结构与命名空间

XML 支持命名空间、schema 与复杂文档，适合需要严格验证的交换。

它通常比 JSON 冗长，普通数据分析者手工阅读成本更高。

保留 XSD、版本和示例，避免只有文件没有结构说明。

旧 XML 接口不能在没有数据和授权时凭外观复建。

处理“XML 强于严格结构与命名空间”时，资源决策应先比较等待时间、资源峰值、复核成本和业务期限。围绕“XML 强于严格结构与命名空间”整理记录，能够把单纯追求更高规格与真正影响当前负载的条件分开，团队也更容易判断当前结果是否足以支持下一步。

判断“XML 强于严格结构与命名空间”是否完成，不能只看程序有没有退出或文件是否出现。围绕“XML 强于严格结构与命名空间”的版本管理补齐来源、时间、条件与限制，才能把孤立的最终文件变成可讨论的记录，并说明它距离能够追溯的生成过程还有多远。

交接“XML 强于严格结构与命名空间”的结果时，应给下一位成员一个可以立即复查的起点。说明“XML 强于严格结构与命名空间”在结果解释采用的区分程序完成与解释成立方式，同时标出自动产生的图表和经过样本设计和质量指标检验的证据的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

表格格式适合人工核对

CSV 和 TSV 容易查看与导入，适合二维结果和数据字典。

分隔符、编码、引号、日期和科学计数法可能造成隐性变化。

固定 UTF-8、字段类型和缺失值规则，导入后检查行列数量。

电子表格自动转换基因名称是已知风险，应保留原始文本。

处理“表格格式适合人工核对”时，版本管理应先对应数据、脚本、依赖和说明文档。围绕“表格格式适合人工核对”整理记录，能够把孤立的最终文件与能够追溯的生成过程分开，团队也更容易判断当前结果是否足以支持下一步。

判断“表格格式适合人工核对”是否完成，不能只看程序有没有退出或文件是否出现。围绕“表格格式适合人工核对”的结果解释补齐来源、时间、条件与限制，才能把自动产生的图表变成可讨论的记录，并说明它距离经过样本设计和质量指标检验的证据还有多远。

交接“表格格式适合人工核对”的结果时，应给下一位成员一个可以立即复查的起点。说明“表格格式适合人工核对”在准备阶段采用的列出数据对象、任务阶段和负责角色方式，同时标出准备阶段的临时判断和最终结论的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

压缩与归档解决的是传输

压缩包可以减少文件数量和传输开销，但不会自动提供版本、许可或完整性说明。

归档中加入 README、manifest 和可信校验值。

解压前检查来源、预计大小和保存位置。

压缩比高不代表内容适合长期保存。

处理“压缩与归档解决的是传输”时，结果解释应先区分程序完成与解释成立。围绕“压缩与归档解决的是传输”整理记录，能够把自动产生的图表与经过样本设计和质量指标检验的证据分开，团队也更容易判断当前结果是否足以支持下一步。

判断“压缩与归档解决的是传输”是否完成，不能只看程序有没有退出或文件是否出现。围绕“压缩与归档解决的是传输”的准备阶段补齐来源、时间、条件与限制，才能把准备阶段的临时判断变成可讨论的记录，并说明它距离最终结论还有多远。

交接“压缩与归档解决的是传输”的结果时，应给下一位成员一个可以立即复查的起点。说明“压缩与归档解决的是传输”在观察过程采用的把日志、样本状态和代表性结果放在一起阅读方式，同时标出一次运行中的偶然现象和可以反复观察的模式的差别，能减少重复运行，也能避免把不确定内容写成肯定结论。

数据格式如何进入实际任务

GMT、R、JSON 与 XML：研究文件格式怎样选择所讨论的方法，需要和项目的数据许可、资源条件及人工判断一起使用。正式运行前，应核对地区、配置与服务条件；研究数据还要遵守项目和数据提供方的要求。

研究工作区说明任务交接，计算与数据页面帮助识别 CPU、GPU、内存与存储瓶颈。两者可以把本文结论接到具体账号、实例和团队流程。