作为一名即将毕业的硕士研究生，初次来到科学网，希望能学习到更多的科学知识，扩充相关的概念和技能。另外，在博客记录自己对科研的感悟，从而锻炼写作能力，也为学习和科研经历留下印记。

    下面是自己在研究生中期写的一篇科研经历和感悟笔记，跟大家分享下，希望能为比我还新的新人一些启发，也欢迎老师或者相关领域前辈批评、改正。

附：科研经历和感悟（190119）

1. 阅读文献

浮生却似冰底水，日夜东流人不知。一转眼从去年硕士入学到现在已经走过了一年半的时间，也走完了硕士生涯的一半旅程。硕士研究生是从事科学研究的群体，而科学研究应该从广泛阅读文献开始。所以，我想先回顾下自己阅读文献的经历和体会。

记得，在刚入学的时候，我看了一篇PRL的文章，花了整整两个月的时间才理清思路。整个学期，我认真看过的文章都需要密密麻麻的注释上中文，还有各种划线和备注等。随着阅读文章的积累，和对领域内词汇的逐渐熟悉，2018年初的时候，我看文章才有些顺畅，感觉新文章中的单词之前就见过了，陌生词汇越来越少。

在师兄和老师指导下，我学会了用“Web of science”大量调研和下载文献，这种对于目标领域文献的大批量下载，然后阅读和调研，对快速的了解一个领域非常有帮助。相应的，看文章也应该对于感兴趣的方向，集中起来阅读文献，从而对目标领域有一个整体的认识和理解。

温故而知新，可以为师矣。好的文章是作者们几个月甚至几年的工作结晶，粗略的阅读一遍当然不能很好的吸收和消化，随着科研实践，对问题的深入理解，重新看之前读过的文章，可能会有新的感悟和收获。

科学研究日新月异，前沿交叉学科更是如此。科研工作者应该养成追踪本领域内最新科研进展的良好习惯，开拓思维，与时俱进。姚师兄教过我订阅主流期刊的推送杂志，或者自己去期刊官网上浏览都是不错的选择，当然一些质量过硬的公众号推送也是非常方便的最新信息获取方式。

站在巨人的肩膀上。文献是科学研究知识的积累，我们进行科学研究一定是基于前人的工作和方法，因此文献不仅可以让我们学到很多技巧和方法，也能让我们在阅读文献中找到科学问题并产生可能的idea。

2. 初识编程

随着电子计算机的迅速发展，和科学研究产生数据的日益庞大，掌握一门好的数据处理的编程语言就成了数据科学工作者的必备技能。

R语言是统计计算和绘图的开源软件。因为自己从事基因等数据处理工作，所以选择了R语言作为主要的编程语言。一开始接触R语言我就被其简单，易用和友好性所吸引，对照着邴师兄给的代码作为参考，快速的掌握了R语言的基础操作。在之后的不断编程实践中，愈发感到R语言的强大，和编程中不断调试和成功的乐趣。因为R语言开源的特性，各种优秀包的开发使得R语言迅速发展。我也非常感谢那些R语言包的贡献者，让数据处理变得高效实用，更重要的是，激发了新人对R语言的热爱和追求。

3. 处理数据

实践出真知。掌握了处理基因数据的基本步骤后，邴师兄给了我一套LUAD病人的基因数据，并告诉了大体的研究方向。之后的两三个月，我就一直在学习R语言的编程技巧和理解数据的意义。

编程处理数据过程中，我学会了很多东西，比如：数据格式转换，一系列字符串处理的方法，各种函数和包的使用，各种表格图形的绘制及保存，一些算法的实现，还有编写代码风格的养成。一开始编程虽然缓慢但还是比较顺利，因为知道的很少，查一点资料就可以学到一些东西，但随着编程实践的深入，有时候会遇到几天解决不了一个小目标，或者一下午也调试不好一个函数。这种编程的“瓶颈”状态其实是自己对于要处理的数据没有深入的理解和编程目标没有清晰地认识导致。所以，我认为，编程技巧是可以慢慢学会，但是编程前，要明确编程目标和具体的实现路径。

4. 暑期培训

开阔眼界，才能走的更远。2018年暑假，黄老师让我参加了在西安交通大学举办的“第十四届理论物理会议--生物物理交叉学科暑期班”。在为期二十多天的讲课中，有几十位生物物理领域前沿的科技工作者做出了精彩的汇报，让我对整个领域有了全面的认识，涉及生物化学，系统生物学，生物信息学，生物物理等众多学科；包含了从基因到细胞各层次的建模和最新的生物实验技术。听完这次讲习班之后，我有种眼界豁然开朗的感觉，不仅对本领域在讲什么事情，在做什么事情有了了解，也知道了“大牛”们在做什么，怎么做，和对哪些方向感兴趣。因此，这应该算是我在科研方面有的第一次小小顿悟，像是“科研入了门”一样。

5. 网络思维

接触不同领域知识，能够使人眼界开阔，思维全面，善于从多角度思考问题，解决问题，对于未来科研道路大有裨益。数据处理工作中，编程只是一种工具，更重要的是针对具体数据，寻找到合适的算法或者模型。

自己处理基因数据过程中，并没有清晰一致的思路，很多基因方面的术语和对病人临床数据的理解也是实践中不断加深。18年秋季学期，自己主要在西安交通大学学习，和黄老师接触和交流的机会也就比较多。讨论三种不同RNA之间基因表达网络的工作中，学到了网络的度量指标，网络的演变和动力学计算等知识，让我对网络的术语和思维有了基本了解。以前看似很简单的一些网络问题，但是却从没想明白过，处于思维混乱状态，现在感觉清清楚楚，明明白白，没有什么含糊的东西，有的只是你自己没有想清楚，仿佛“打通了几条关于拓扑结构图形理解方面的脑回路”一样。

6. 接触大牛

接触不同领域大牛，能让人学会不同领域专业人员的思维方式，耳濡目染，对于养成良好的科学态度也大有裨益。在西安交通大学的秋季学期，我时常去参加会议和听学术报告，这样就有机会接触很多学界大牛。

谢老师是分子生物学的专家，和他的讨论中我学到了生物领域的人做事严谨，细致和踏实，针对具体问题会潜心钻研各种可能，不怕麻烦。郭老师从事计算机领域，思考问题喜欢从算法角度，比如，如何抽象出计算模型，使用什么算法和算法复杂度。来老师是非线性和动力学领域的专家，思考问题从动力学，算法和方程描述事物本质规律。Grebogi教授是非线性领域“大牛”，也和其他老师一样待人和蔼，与人友善，虽然取得学术上很高成就但是低调谦虚，务实进取，并在很高年龄依然各处参加会议保持科研动力。科研前辈的知识和学识值得我们敬仰和学习，做人行事的精神品格更是科研人员砥砺前行的不竭动力。

7. 生信方法

掌握扎实的技术阳颀，陈洛南，聂青，冯建峰等。在为期两天的会议中我接触到了包括系统生物学，生物信息学，流行病学和计算神经学的内容，了解了报告人介绍的最新计算方法，生物技术和相关背景知识。使人眼界开阔，耳目一新。

科研圈是一个特定的团体，讲究credit（名誉），在会议上作报告，其他人会记住你的优秀工作，名誉会增加，当你做出不好的或者不被同行认可的工作，名誉就会减少。比如对于我这个研二的学生，即使只听过几次会，就已经熟悉一些学者的名字了，所以有条件可以多参加会议讲述有质量的工作，不仅可以得到同行的意见和建议，也能为自己在本领域的科研圈中积攒credit。

8.  广州开会

科研也是一个圈。科学研究是一个非常大的概念，包括很多领域，每个小领域，又构成了科研中的小圈，并时常聚在一起举办学术会议。参加相关领域的会议对快速融入和认识一个领域有重大意义。

18年十二月份，我参加了在中山大学举办的“数学生命科学大会”，有多名领域内院士和专家做精彩报告，比如：欧阳颀，陈洛南，聂青，冯建峰等。在为期两天的会议中我接触到了包括系统生物学，生物信息学，流行病学和计算神经学的内容，了解了报告人介绍的最新计算方法，生物技术和相关背景知识。使人眼界开阔，耳目一新。

科研圈是一个特定的团体，讲究credit（名誉），在会议上作报告，其他人会记住你的优秀工作，名誉会增加，当你做出不好的或者不被同行认可的工作，名誉就会减少。比如对于我这个研二的学生，即使只听过几次会，就已经熟悉一些学者的名字了，所以有条件可以多参加会议讲述有质量的工作，不仅可以得到同行的意见和建议，也能为自己在本领域的科研圈中积攒credit。

9. 阅读书籍

书籍是人类进步的阶梯。研究生以来，接触最多的就是各种文献，文献提供了大量的方法和前沿知识的信息。但是文献的缺点也比较明显，就是知识比较碎片化，没有成为一个体系，而书籍可以成为一个很好的补充。

我在18年末，把基因数据处理的工作阶段性完成后，回过头来总结和构想下一步的科研计划，我突然发现自己对生物信息学了解的是那么少。虽然看过很多文献，但大多都是同一类型，甚至只是具体方法上稍微不同，自己对本领域好像什么都不懂。然后，我就够买了几本生物信息学的书籍，看过之后才对领域全局有了一个整体和系统的认识。书应该买些本领域内的经典教材，当然，可能很多都是国外的或者翻译国外的经典教材。

10. 与人交流

交流才能更好地进步。每个人的成功都需要很多其他人的帮助，科研方面也不例外。将自己的科研想法或者研究结果多与他人分享，认真听取别人的意见和建议，这会对成长很有帮助。

科研中每次遇到问题，有点子或者做出一点成果，我就会去和师兄或者老师讨论，每次总会得到些让自己感到新奇的建议并从不同的角度对工作产生新的想法。我从基因数据处理工作开始就得益于师兄和老师的帮助，提供问题解决方案和具体或者全局的工作思路，比如，基因差异化表的实现，网络分期，引入CeRNA假说和生存分析等，当然还有很多细节小问题，比如：程序Bug，绘制图表，文献查找等。良好的交流习惯会产生很好的科研学习氛，可能也会让自己科研圈的朋友关系更加紧密并且一定程度上缓解科研带来的压力。

11. 不断探索

失败是成功之母。成功的路上不会一帆风顺，科研中更是充满坎坷，而如何面对这些挫折就需要每个科研人员做出自己的选择。科学精神是不断探索，勇攀高峰。在科学研究中，我们应该不怕失败，不畏困难，砥砺前行。

在自己近一年的科研实践中，有许多大大小小的困难，比如：知识概念的理解，编写程序和工作思路等，每一个问题都会影响工作的进展或者让工作有瑕疵。但是，每次解决一个小问题就会有小收获，解决大问题就会有大收获，比如：查资料理解了一个生物术语或者算法概念，我的知识体系就增加一点；调试出一个小bug，下次就知道如何应对；理清了工作的思路，下次遇到相同问题时更有可能触类旁通。所以，科研中遇到困难也许会让人沮丧，但也能让你更快的成长，既是挑战也是机遇。

科研中害怕失败可能比直接遇到具体困难更为棘手。面对即将开始的工作，需要花费大量的精力和时间，却又不知道能否有结果，会不会做无用功，担心如果失败了怎么办，这样就会犹豫不决，心里打退堂鼓。科研是一个不断尝试和探索的过程，我在基因数据处理工作中，尝试过很多可能的方法，最后有一条路是对的也就万幸了。有时候会想到一个idea，比如（PCA算法的工作）：是否用遍历的思维，研究参数的取值对处理数据的算法的影响？这种模拟计算我之前没接触过，肯定要花费很多精力和时间，而最后结果如何也不得而知。所以工作之前，自己就害怕可能失败。克服为难情绪和害怕失败的思想后，我花费了近一个月时间研究了这个问题。最后，找到了让自己还算满意的答案，期间我不仅掌握了参数模拟等方面的算法知识和编程技巧，也从参数角度更深入的理解了自己数据处理中使用的算法。尝试这个工作，让自己学习到了新的技术和方法。退一步讲，科研的开始到目标之间存在很多条道路，即使最后失败，也是为自己排除了一条走不通的路，那么离成功也就更近一步。