写在前面
昨天上午，有一位做演化的老师提到，「TBtools 计算等电点很方便，但是计算起来比较慢，如果有几万个蛋白怎么办？」这是一个问题。
很遗憾，课题组的小朋友都太忙。以至于我真想送出去百元稿费也没人愿意干。早晨 5 点起来就睡不着，兴许是昨天喝太多茶？或者是睡觉前吃了一些甜品？太过清醒也就到办公室。
思来想去，没人写就自己搞，结果十几分钟就干完了....。
开发流程
为了开发这个工具，我们需要考虑的只有两个小问题：
- 使用二进制程序还是撰写脚本
- 如果撰写脚本？使用哪个语言合适？
简单查询后，发现如果我们去做emboss的windows移植，大材小用。相反，使用python这些语言，有biopython，其实很轻松就可以实现。因为很轻松，所以完全可以使用「生成式文本工具」，也就是 chatGPT...
首先就让 chatGPT 写一个脚本
写完了脚本没有按照我们的需要从命令行接收参数，说明是我们提示词不够明确，让chatGPT继续修改，或者直接让重写一个。
功能上基本就开发完了。当然，从脚本来看，有简单python基础的朋友就会知道，这个依赖了 biopython，让 chatGPT 提示我们怎么解决依赖，解决什么依赖。
参考提示解决依赖即可。
开发界面
至于界面开发，非常简单
开发完成后，简单测试，与 Expasy ProtParam 比较，结果完全一致（当然，网页的每次只能一条）
当然，我们可以更进一步，让 chatGPT 输出所有计算出来的蛋白质参数，（因为我不会写python，所以只能这样）
测试插件
导出插件，然后安装插件
测试效果很好
写在最后
事实上，对于喜欢折腾代码的朋友来说，这个脚本或者这个工作，可能大半个小时就可以处理好。但是对于做生物学问题的朋友，需要学习相关编程知识，这个是需要时间和精力投入，同时学习曲线会比较陡峭。更多时候，我们只是要解决一个问题。但是，如果喜欢折腾代码的朋友可以把程序固定化下来，然后分享出来，那么就会很方便。尤其借助 chatGPT 这类生成式文本，处理不少数据分析需求，其实非常简单。结合 TBtools 插件开发的「固定化」效果（打包成稳定离线插件），一切就变得更为简单。