博文
生信5：生物信息领域的核心技能
||
前言：有感于之前mitbbs的一个帖子（附于文后），本文讨论生物信息学专业人士的立身之本（核心技能）。全文其实是个人的一些并不成熟的思索，主要是想理一理我自己的思路，欢迎同行纠正或补充。
****
先说说什么是生物信息学。广义的生物信息学是一个新兴的学科，专注于生物的信息化（即狭义的生物信息学）以及通过信息化方法解决生物问题（即狭义的计算生物学）。
传统上，人们常说生物信息学有三根支柱包括：生物学、计算机科学、数学。（很多时候，人们也用统计学来代替数学。个人的理解是：生物系统的复杂性过高，难以用解析的方法准确描述；相比之下，统计方法则更加有效。当然，虽然只列统计学，但实际也包括基础的数学，比如线性代数。与此相连的，生物信息学在很多高校里也被命名为：Bioinformatics &Biostatistics，computationalbiology，而biomathematics则用的略少。）
****
生物信息虽然有生物学、计算机科学、数学这三根支柱，但其学科的核心内容却很难说清楚。这也是本文讨论的点。原因其实有二：
生物信息学科本身定位于信息与生物的交叉学科，但实际上，信息与生物有天然的完全不同的目的。交叉之后，两者均可又均不可，于是生物信息本身的定位就非常模糊。
广义的生物信息领域其实非常广。生物信息的从业人的背景可以是数学，计算机，统计，生物。这些人具有的背景、使用的方法和研究对象均差异巨大。两个号称做生物信息的人可能对彼此的工具和发现没有任何共同点，甚至完全无法交流。在这样宽泛的背景之下，生物信息学领域难以产生一组公认的核心技能。2016年去成都参加全国生物信息学大会，领域内的专家们还特别讨论了这个问题，但也没有一个清晰的结论。
**
这里简单列一列我个人理解的生物信息学核心课程。本文无意探讨如何作顶级的科研，只想探讨怎样才能拿到生物信息相关的工作。本文的出发点其实是“实用”，希望学生们能够通过对这些技能的掌握打好基础。
阶段 | 内容 |
基础课程 | 计算机 a.包括熟悉至少一门生物信息学常用的语言（Python，R，Perl） b.基本的计算分析数据处理方法（mean, median, distribution, correlation） 生物学： a.分子生物学(对RNA，DNA、蛋白和中心法则的基本理解) b.遗传学与进化论 数学 a.初中数学 b.假设检验 |
核心课程 | 计算机 a.Linux、网络（PHP或Javascript）、数据库（三选二） b.编程进阶（软件设计） 生物学： a.基因组学、疾病、病毒、微生物、细胞生物学等生物学领域（多选一） b.结构生物学、生物化学（二选一） 数学 a.数据挖掘 b.统计推断 |
研究课程 | 任何方向任何技术手段均可 到研究阶段，只要一个点突破就可以了，反而容易很多。 即使没有掌握前面所述的技能，只要有一块长板就可以作生物信息的科研。了 |
后附之前看到的帖子（有删改）。
来自 <http://www.mitbbs.com/article_t1/Biology/32051505_0_2.html>
---
|
发信人: flareon (), 信区: Biology
是哈佛full professor很牛又如何？包括SL等一批人，不过是赶上了90年代末人类基因组计划和后来NGS崛起的潮流，他们入行早，抓住了机遇。同时欺负bench biologist数学计算太差。那个时候稍微懂点计算的PHD毕业都可以找faculty了。
放到今天，还可能吗？做生物信息的大部分都去industry了，学术圈越来越难混。为什么？
因为第一今天咨询发达，生物信息发展成熟，很多稍微聪明的bench biologist，尤其中国人数学好，稍微培训一下都会基本的NGS分析。
第二，生物医学永恒的难题是生物或者疾病机制。这个可不是靠computational就可以预测或者计算出来的，依然要试验试验再实验，老鼠老鼠再老鼠。大量生物信息出来的信息如果没有实验验证那就是垃圾，那些光靠computational prediction生存的人想拿到grant简直做梦。说白了今天生物信息就是为生物医学服务的马工，omics数据量大过去的excel没用了。所以今天生物信息的瓶颈完全在生物，你作为一个PI，不懂生物，有个屁用？
在医学院里，疾病样本和相关课题被MD把控；然后一些前沿高端技术被技术牛把控；再或者是某些biology pathway集大成者有多年的积累。以上三类PI，都是具有主动性的，牌握在他们手里，因为不管疾病还是技术还是生物才是推动医学发展的源动力。而生物信息造就沦落成为别人做嫁衣裳的工具了。至少医学院里的生物信息PI都是绑着bench的Phd或者MD大牛，大牛吃肉，他们分点汤喝。 |
**
此贴略显偏激，并不一定都对，但值得参考。个人认为，此贴最关键的在于指出下面两点：
1. 虽然也有生物信息学科之说，但该学科的研究经费实际上掌握在医学和生物技术的大牛手中；相比之下，以生物信息为定位的科研人员其实没有多少的经费。作生物信息科研，提炼出好的生物医学问题非常关键。
2. 生物信息的从业人员最好有一个杀手锏，否则很容易被别人取代或者流于平庸。当然，这一点可能对所有的学科都适用。
往日博文
生信2：生物信息学与计算生物学的区别
https://blog.sciencenet.cn/blog-522469-1053809.html
上一篇：西浦7：忍不忍心见又一位青年才俊沉沦？
下一篇：西浦8：国内全英文授课的问题以及个人看法
