从生物信息学转计算机科学,转一个： 学生物的，不会编程，也可以报考生物信息学的研究生...

该楼层疑似违规已被系统折叠 隐藏此楼查看此楼

每年暑假前后期间, 大三学生普遍忙于寻找导师以完成毕业设计选题. 在一次与同学的交流中发现许多生物学专业学生对生物信息学领域存在一定 apprehension. 为了消除部分学生的疑虑并对外 lab进行精准定位宣传, 我特意撰写了多篇相关介绍性文章.

一、什么是生物信息学？哪些人致力于这一领域？维基百科对生物信息学的描述指出："利用应用数学、信息科学、统计学以及计算机科学等多学科方法来研究生物学相关问题"。这一定义与教材中的描述均较为宽泛，并给人一种非生物学背景人员研究生物学之错觉。其实并非如此。

对国内外的生物信息学实验室，我做一个粗糙但很实用的分类：一是开发、设计生物信息学方法、技术，构建生物信息学数据库；二是利用别人的方法、技术和数据库、辅之以简单的程序设计，来研究自己关心的生物学问题。三是二者结合，既做一些方法技术和数据库，也做一些纯生物学问题研究。第一类实验室的导师一般具有数学等非生物学背景。第二类实验室的导师一般具有生物学背景。第三类实验室的导师可能具有生物学背景、也可能来自于数学、信息学等学科。第三类实验室一般都是从事生物信息学时间较长，无论生物学、数学、还是计算机科学方面知识积累都很丰富，所以一般也都很成功。第三类典型的例子是NCBI的Koonin实验室。

二、对于有生物学背景的学生来说，在报考生物信息学实验室方面是否可行？当然是可行的。如果愿意投入足够的精力并能够承受一定的挑战，在任何情况下都能找到适合自己的实验室。不过这仅仅是一种理想的情况。“大多数学生还是倾向于寻找最适合自己的实验室”，这样他们可能会减少一些不必要的麻烦（虽然绕太多弯路可能会有其他收获）。

基于多年观察发现选择攻读生物信息学专业的学生大致可分为两类群体。其中一类学生往往表现出对数学和计算机领域的浓厚兴趣，并且通常表现出强烈的意愿选择相关研究方向。另一类学生则在数学和计算机能力方面相对一般或有所偏好然而内心并不特别倾向于选择该领域作为研究方向但在填报志愿时采取了较为稳妥策略在考试结束后通过调剂进入了该领域经长期追踪观察发现这类学生未来表现同样出色

对生物学背景的同学，我的建议是：

如果你数学、计算机等方面很强，生物信息学各类实验室你都可以选择。

如果你的基础在数学或计算机方面不够好或者不擅长的话，请不要担心。我会推荐您选择第二种实验室。学习程序设计也不需要半年时间那么多余的时间——它其实不算太难。无需担心您的程序设计能力和数学水平会与他人相上下。未来与其他人在科研中竞争时最重要的支撑点就是生物知识了，在第二种生物信息学实验室中你需要掌握的基本技能包括程序设计和常用的统计手段——这些技能达到一定熟练程度就足够了。而你在研究工作中取得的成绩多少则取决于您对生物学知识的掌握广度以及深入思考生物学问题的能力如何。

有些同学可能会有这样的疑虑：第二类实验室是不是太过局限？有人会质疑这类实验室的研究方向是否过于狭窄。实际上，在生物学领域中，任何一个微小的问题都足以让一个人穷尽一生进行深入研究。即便研究范围看似狭隘，在生物学领域中依然能够满足养分的需求。如果它未能升级为第三类实验室，则可能是因为导师的整体水平不够优秀；又或者是因为该团队在某些特定的生物学问题上深入研究并取得了显著成果。

最后，我大胆预测：经过大约15年的发展，在中国各高校的生物科学学院中从事生物信息学研究的人数可能会与当前物理系或天文系的理论研究人数相媲美，在学术领域占据主导地位。就就业前景而言，在生物学相关领域中从事研究工作的优势明显。下面转帖我过去博客中的几句话：比如在数据处理和分析能力上具有显著优势。

前两年，在美国《Nature Biotechnology》期刊上曾发表过一篇论文,题目是："如果你能测任何序列,你准备研究什么?"近年来随着技术手段的不断进步,分子生物学领域的数据快速增长,速度之惊人令人感叹.如今我的学生作业已经从最初的"测序并研究"转变成了现在的"如果你能够找到任何序列……",但其核心内容却未发生根本性变化.实际上,在过去的十年中,不仅包括DNA序列数据的增长,还包括组蛋白在染色体上的定位、DNA在细胞核中的空间分布等多方面的积累速度都非常惊人.因此可以说,到那时几乎所有的基础生物信息都可以在网上轻松获取.对于科研人员而言,工作流程将从传统的"发现问题→提出假说→收集证据→分析数据→验证假设"逐步转变成只需要完成以下几步:发现问题→提出假说→收集相关证据→分析支持程度→验证假设.

该文章的引用链接位于：http://blog.sciencenet.cn/blog-61772-590128.html此文章源自科学网牛登科博客，请参考转载授权说明。