lzcyzm的博客分享 http://blog.sciencenet.cn/u/lzcyzm 尔曹身与名俱灭,不废江河万古流

博文

生信5:生物信息领域的核心技能

已有 10010 次阅读 2017-5-9 07:07 |个人分类:Bioinfo|系统分类:教学心得|关键词:学者

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:

  1. 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。

  2. 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>

---

flareon

进入未名形象秀

我的博客

[回复] [回信给作者] [本篇全文] [本讨论区] [修改] [删除] [转寄] [转贴] [收藏] [举报]

[ 23 ]

发信人: flareon (), 信区: Biology
: Re: SL at Harvard
发信站
: BBS 未名空间站 (Sat Oct 29 22:13:16  2016, 美东)

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benchPhd或者MD大牛,大牛吃肉,他们分点汤喝。

所以立志学术的,还是要有自己的
scientific niche,有自己的杀手锏命运掌握在自己手里,比如你很精通某种疾病的机制和治疗,比如你很精通某项前沿技术,生物信息是一定要会的,至少要了解的,但千万不能只是纸上谈兵只会搞计算。当然了,大部分搞计算的都是去industry,赚赚钱,跟青楼卖笑的妓女一样卖下自己的bioinformatics/coding技能,反正别人要你做什么就做什么

**

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4:生物信息学本科专业的课程设置 - 西交利物浦大学

生信3:个体的智慧与群体的智慧

生信2生物信息学与计算生物学的区别

生信1:随便说说生物信息领域杂志分档




https://m.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

7 陆泽橼 黄仁勇 马省伟 彭友松 李颖业 李满枝 haipengzhangdr

该博文允许注册用户评论 请点击登录 评论 (5 个评论)

数据加载中...
扫一扫,分享此博文

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

GMT+8, 2024-3-29 03:38

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部