本人在武大bachelor学计算机软件工程，Master 和Ph.D改bioinformatics， 一直希望是成为computional bio。在这个块前后摸爬滚打了3年左右，发现自己虽然在技术方面也算是略有积累了，但在文章这方面做得再努力， 能有篇不依赖pure实验的 BMC、bioinformatics、Genome bio这类期刊上下也就是功德圆满的（至少龙星计划中某位大牛Prof.Liu XL Shirley 是这样启发我的）。

这个时候技术做得再多，也就是个量的问题，职业发展方面很难有质的突破。对于一个20中旬以搞科研为本职的人来说，还有什么比思绪枯竭，没有生长点，发展潜力达到瓶颈更为可怕呢？

现在到一个纯生物学的实验室，生物技能锻炼方面虽然还不好说，但至少思维开阔了不少。

我承认有人能靠几项独门的、计算方面的技术吃饭，但大多数人做不到那样。

因为行业里的人越来越多，你会的大家都会。而且高通量技术在不断发展，技术更新太快。6年前，也就是04-05年那个时候。做bioinformatics的会分析几种microarray data那就算是高手了，而现在如果还只是做这个， 求做technican都不一定够格。

现在发展的关键，我个人认为是怎么样把计算方面技术找生物学切入点，融合进去，最终在这个点上占上一角。

当然我也不否认有一些大牛，完全靠计算也能做得很棒,如David Haussler.

现在真正做bioinformatics做得好的人中，十个有九个是在考虑计算和生物学的共同点。如Christopher Burge, Job Dekker 他们整天在思考如何把两个领域融合起来，而不是在争论它们的分歧。

在这行里也混了几年了，这点发展的大趋势还是能看出来的。

1. 编程，文本处理

这个是入门的基础，我认为这个最倒是好办。

在有人带的情况下，如果自己对电脑比较感兴趣，那么linux+Perl有2～3个月就入门了。

之后再学其他语言要看课题需求、编程习惯和对学科的理解。比如JAVA，C++等。

这样做各种比对、文本处理应该没问题。

再熟悉了各大生物学主流数据库，那么就可以先摸爬滚打了。

只是进阶比较难。一方面靠积累，另一方面看悟性了。

2. 统计学、数学方面，

我还是主张先学统计，再结合这学语言。

我当年是概率统计，线性代数基础都比较好，之后再结合学的R，这样之后做起来的时候完全是在先解决统计学语言的技术问题，不纠结统计学本身的问题。

这样一年下来，R学了个大概，画图凑合发文章够用了。

但还是那句话，进阶难，去想深讨统计学本身太漫长。

3. 数据库，webserver

这个相对来说还是性价比比较高的。学起来快，出东西也快，不太费脑子，运气等其他不可预知因素小。

缺点就是做生物的不能只靠这个吃饭，这不是做生物信息的核心竞争力。（当然如果你们实验室有能力能搞出并维持那些大型综合性数据库，算我没说）

这方面可以搞点东西凑合毕业，但也别做得过多。不然就成了码农，失去作为生物信息自己的核心竞争力了。

4. Hihgthough-put sequencing, Omics

包括基因组学、转录组学等等分支。需要做各类高通量分析，序列分析，功能注释，按各种条件分类等等。

另外要时刻关注当今一些新技术，让课题的瓶颈在数据解释方面，而不是在你的分析和速度方面。

5. 生物学着力点

对于做bioinformatics的，我认为最难，最有前途的，就是从几个G的data里面，整理出来个各方面面都说得过去的、又容易验证的story来。

完全考验人的思维和科研背景，靠积累。

以上几点，在有人带的情况下，2～3年就能入门，再来1～2年凑合着做点东西运气不差应该够毕业了。头脑灵活又运气好的，可能4年之内就能弄出点东西出来。

和打游戏练级一样——进阶比较难，看个人了。

这个行业虽然交叉，繁杂，但也不是那么难入门，不需要耗那么长时间。

我个人建议先从某些简单的分析入手，之后再学别的。

少林72绝技，你只要会那么一两手大家都欢迎的主流技术，够你闯江湖的就够了。

关键是需要一个比较成型的实验室，或者有熟手带你。如果自己摸索就会很迷茫。至于经验、视野、科研思维这类真正重要，靠却积累的事情，毕业之后慢慢来吧。总会找到一个合适的平台继续成长。

这里生物信息泛指生物信息学+计算生物学，本文仅是职业技能上的浅谈，希望能够抛砖引玉～～

我觉得职业发展应该是广、深必备。

广：熟练各种编程语言，能够处理各种数据，同时学习相关生物知识；

深：在某一生物研究方向深入，熟悉从实验到数据及结论的各项环节。

广而不深的后果是没有确定的研究方向，总是给别人实验作工具，做嫁衣；

深而不广的后果是在当今数据爆炸的时代发展机会少。

难点有以下几点，难度依次增加：

1. 各种类型编程语言的熟练使用：并不是指掌握所有语言，而是根据数据对象选择那

么几种有代表性的语言。理论上C/C++可做任何事情，但会用R/Matlab/Perl等会在一些场合更高效一些。

2. 学习各种生物知识：一方面是书本知识，其主要功夫是在业余时间的利用上；另一方面是实践知识，来自于生物实验室，交流为主。

3. 同时还得学习相关数学知识：这绝对是个难点，会编程不等于懂数学。

4. 某一个方面深入。这里说的方向必须是生物Biology研究的方向，而不是生物信息的方向。

我觉得以上几点都达到的话，从读博士起大概需要3－5年时间。

生物信息全才＝生物+统计+建模+数据库+软件。

全观上述，给出生科人职业发展的金字塔模型，为晋级而努力中...

Jie Huang

12-26-11