Los científicos renombran genes para evitar que Microsoft Excel los interprete erróneamente como fechas (2020)

Artículo original ↗ Discusión en Hacker News ↗

Autoconversión de Excel y nuevo interruptor

  • Históricamente, Excel convierte automáticamente cadenas “parecidas a genes” (p. ej., SEPT2, MARCHF1) en fechas o números, corrompiendo datos científicos, especialmente mediante ida y vuelta a través de CSV.
  • En 2023 Microsoft añadió un interruptor por archivo para desactivar la conversión automática de datos en Windows/macOS; algunos lo consideran tardío y todavía imperfecto (casos límite, macros, versiones antiguas).
  • Otros argumentan que Excel ya permitía definir tipos de columna (Formato de celdas → Texto, Asistente para importar texto, Power Query), así que el problema es el flujo de trabajo y la conciencia del usuario.

Las conversiones implícitas como problema más amplio

  • Varios comentarios presentan esto como parte de un problema más grande de “conversión implícita / seguridad de tipos” que se ve en JavaScript, MySQL, YAML, PHP, etc., a veces llamado otro “error de mil millones de dólares” junto con los punteros nulos.
  • Otros replican que las conversiones permisivas también permitieron enormes ganancias de productividad y se eligen ampliamente porque son cómodas.
  • Debate sobre si el encuadre correcto es “seguridad de tipos” (accionable) frente a desajustes vagos entre “expectativas y realidad”.

Por qué los científicos siguen usando Excel

  • Muchos sostienen que los científicos están limitados por el TI institucional, las licencias y la estandarización; no pueden elegir libremente herramientas alternativas aunque quisieran.
  • Algunos dicen que la mayoría de los expertos del dominio ya dejó Excel para este caso de uso, pero una minoría (además de administradores, clínicos, editores) aún puede corromper datos compartidos.
  • Visión favorable al cambio de nombres: modificar unos pocos nombres de genes es una mitigación de baja fricción, aplicable a todo el campo, comparada con reentrenar a todos y reemplazar herramientas.

CSV, formatos y alternativas

  • Se critica a CSV por ser inherentemente ambiguo (sin esquema, sin tipos); el comportamiento de Excel al abrir CSV con doble clic convierte silenciosamente y descarta ceros a la izquierda, signos más e identificadores parecidos a genes.
  • Los rodeos incluyen: preformatear columnas como texto, usar asistentes de importación, pequeños macros o codificar texto como fórmulas de Excel en CSV (="Data").
  • Alternativas mencionadas: LibreOffice (autoconversión similar pero más lento y menos compatible), JSON con una hipotética extensión .xljson, bases de datos, Jupyter/R/Python, Emacs org-mode.

Responsabilidad y expectativas

  • Algunos culpan a los científicos por no dominar sus herramientas; otros consideran esto irrazonable dada la configuración oculta de Excel y su comportamiento cambiante.
  • Varios comentarios enfatizan que esto es tanto un problema social/organizativo (guardianes de TI, bloqueo por proveedor, formación de usuarios) como técnico.