hjanime的个人博客分享 http://blog.sciencenet.cn/u/hjanime

博文

【comments】交叉学科盛行时代生物信息人的职业发展规划 精选

已有 7395 次阅读 2011-12-27 06:47 |个人分类:生物信息|系统分类:观点评述| 职业, 信息, 生物信息, 科学规划

交叉学科盛行代生物信息人的职业发


拜读了Lab 严大师手笔的文章,也手痒想一吐心中对自身所在领域的看法

【bio】交叉学科盛行时代生命科学研究者的立足点 

本人在武大bachelor计算机软件工程Master Ph.Dbioinformatics 一直希望是成为computional bio。在前后摸爬打了3年左右,发现自己然在技方面也算是略有累了,但在文章方面做得再努力, 能有篇不依pure实验 BMCbioinformaticsGenome bio这类期刊上下就是功德圆满的(至少划中某位大牛Prof.Liu XL Shirley 这样我的)。

 

候技做得再多,也就是个量的问题职业发展方面很的突破。于一个20中旬以搞科研的人来有什么比思枯竭,没有生点,展潜力达到瓶可怕呢?

到一个生物学的实验室,生物技能锻炼方面不好,但至少思了不少。

 

我承有人能靠几的、算方面的技,但大多数人做不到那

里的人越来越多,你会的大家都会。而且高通量技在不断展,技更新太快。6年前,也就是04-05年那个候。做bioinformatics的会分析几种microarray data那就算是高手了,而在如果只是做个, 求做technican都不一定格。

 

展的关,我个人认为是怎么算方面技找生物学切入点,融合去,最个点上占上一角。

当然我也不否有一些大牛,完全靠算也能做得很棒,David Haussler.

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 整天在思考如何把两个域融合起来,而不是在争的分歧。

行里也混了几年了,展的大趋势还是能看出来的。

 

1. 程,文本

个是入的基,我认为这个最倒是好

在有人的情况下,如果自己对电脑趣,那么linux+Perl23个月就入了。

之后再学其他言要看课题需求、习惯学科的理解。比如JAVAC++等。

这样做各种比、文本应该问题

再熟悉了各大生物学主流数据,那么就可以先摸爬打了。

只是进阶较难。一方面靠累,另一方面看悟性了。

 

2. 统计学、数学方面,

是主先学统计,再言。

我当年是概率统计线性代数基础都比较好,之后再合学的R这样之后做起来的候完全是在解决统计言的技术问题,不纠结统计学本身的问题

这样一年下来,R学了个大概,画凑合文章用了。

是那句进阶难,去想深讨统计学本身太漫

 

3. 数据webserver

个相说还是性价比比高的。学起来快,出西也快,不太费脑子,运气等其他不可知因素小。

缺点就是做生物的不能只靠个吃不是做生物信息的核心争力。(当然如果你们实验室有能力能搞出并持那些大型合性数据,算我没

方面可以搞点西凑合毕业,但也做得多。不然就成了码农,失去作生物信息自己的核心争力了。

 

4. Hihgthough-put sequencing, Omics

包括基因学、转录组学等等分支。需要做各高通量分析,序列分析,功能注,按各种条件分等等。

另外要刻关注当今一些新技让课题的瓶在数据解方面,而不是在你的分析和速度方面。

 

5. 生物学着力点

于做bioinformatics的,我认为,最有前途的,就是从几个Gdata里面,整理出来个各方面面都去的、又容易验证story来。

完全考人的思和科研背景,靠累。

 

以上几点,在有人的情况下,23年就能入,再来12年凑合着做点西运气不差应该够毕业了。头脑灵活又运气好的,可能4年之内就能弄出点西出来。

和打游戏练级一样——进阶较难,看个人了。

 

个行业虽然交叉,繁,但也不是那么,不需要耗那么长时间

我个人建先从某些简单的分析入手,之后再学的。

少林72技,你只要会那么一两手大家都迎的主流技江湖的就了。

是需要一个比成型的实验室,或者有熟手你。如果自己摸索就会很迷茫。至于经验野、科研思维这类真正重要,靠却累的事情,毕业之后慢慢来吧。会找到一个合适的平台继续

 

里生物信息泛指生物信息学+算生物学,本文职业技能上的浅,希望能引玉~~

 

职业发应该是广、深必

广:熟各种言,能够处理各种数据,同相关生物知

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,给别实验作工具,做嫁衣;

深而不广的后果是在当今数据爆炸的展机会少。

 

点有以下几点,度依次增加:

1. 各种言的熟使用:并不是指掌握所有言,而是根据数据选择

么几种有代表性的言。理C/C++可做任何事情,但会用R/Matlab/Perl等会在一些合更高效一些。

2. 各种生物知:一方面是本知,其主要功夫是在时间的利用上;另一方面是践知,来自于生物实验室,交流主。

3. 时还得学相关数学知这绝对是个点,会程不等于懂数学。

4. 某一个方面深入。的方向必是生物Biology研究的方向,而不是生物信息的方向。

 

得以上几点都达到的,从博士起大概需要35时间

生物信息全才=生物+统计+建模+数据+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




https://blog.sciencenet.cn/blog-260809-522440.html

上一篇:表观遗传,剪接调控与网络可控性的灵感
下一篇:生物信息之ME, HMM, MEMM, CRF
收藏 IP: 132.239.171.*| 热度|

12 杨海涛 张天翼 周达 褚昭明 葛德燕 黄富强 沙爱晖 高震 sidaling crossludo hcsprings xiongji0616

该博文允许注册用户评论 请点击登录 评论 (8 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-18 07:04

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部