Redian新闻
>
现在bioinformatics这个行业在扩张还是收缩?兼总结与汇总
avatar
现在bioinformatics这个行业在扩张还是收缩?兼总结与汇总# Biology - 生物学
b*1
1
大家好,我现在在一家公司用opt上班,公司需要我到台湾出差两个月,请问我都需要
办理什么手续,应该如何办理?
有没有之前有类似经历的朋友,还望分享一下经验啊!万分感谢!
avatar
c*n
2
两小时片子, 值得看不
avatar
y*w
3
最好java based,数据库的jdbc支持最好。要不成ado访问.net也行。
最好像古老的vb6那样推推拉拉进去写函数就好。现在的windows forms好用么?
用来做内部工具的,UI这方面能越少操心就越好。
avatar
c*n
5
肯定要办台湾的签证吧
avatar
d*t
6
前三十分钟跳过,可以一看。

【在 c******n 的大作中提到】
: 两小时片子, 值得看不
avatar
m*i
7
dropwizard. hibernate. angular or jQuery

【在 y****w 的大作中提到】
: 最好java based,数据库的jdbc支持最好。要不成ado访问.net也行。
: 最好像古老的vb6那样推推拉拉进去写函数就好。现在的windows forms好用么?
: 用来做内部工具的,UI这方面能越少操心就越好。

avatar
b*r
8
据某教授预测接下来将会是爆炸式增长
i second this.
avatar
f*n
9
你是什么身份?
avatar
f*t
10
个人觉得不错
avatar
S*l
11
I third this :-)

【在 b****r 的大作中提到】
: 据某教授预测接下来将会是爆炸式增长
: i second this.

avatar
z*0
12
去台湾要
入台证
在台湾或者回国去办返美签证
公司在职证明
i20
EAD
avatar
C*r
13
后三十分钟打斗部分不够真实,其他都不错。超过十三插百倍。也是不同民族精神面貌的写照。
avatar
j*e
14
那啥生物学也爆炸式增长来着,是千老多了还是PI多?一个意思。听哥的,这坑别跳了。

【在 b****r 的大作中提到】
: 据某教授预测接下来将会是爆炸式增长
: i second this.

avatar
c*n
15
看完了, 觉得从头到尾都不错啊

【在 d********t 的大作中提到】
: 前三十分钟跳过,可以一看。
avatar
b*r
16
生物的NIHfunding 有时候比头一年还少了,你说这样也叫做爆炸式增长?
而且bioinformatics在工业界位置也很多。并且一不要什么实验室二不要买什么试剂和
仪器,相比其他专业,funding的压力较小
如果不干生物了,我不好说,如果干生物,做bioinformatics很不错

了。

【在 j********e 的大作中提到】
: 那啥生物学也爆炸式增长来着,是千老多了还是PI多?一个意思。听哥的,这坑别跳了。
avatar
c*n
17
和黑泽明的七武士风格满象

【在 c******n 的大作中提到】
: 看完了, 觉得从头到尾都不错啊
avatar
j*e
18


【在 b****r 的大作中提到】
: 生物的NIHfunding 有时候比头一年还少了,你说这样也叫做爆炸式增长?
: 而且bioinformatics在工业界位置也很多。并且一不要什么实验室二不要买什么试剂和
: 仪器,相比其他专业,funding的压力较小
: 如果不干生物了,我不好说,如果干生物,做bioinformatics很不错
:
: 了。

avatar
j*e
19
你别老盯着最近这几年,NIH预算从1995年的$11.3Billion到2005年的$28.653Billion
这不是爆炸式增长?(链接在这:opa1.faseb.org/pdf/NIHFundingTrends.pps)。增
加的钱培养了多少博士生?
Doctorate Recipients in Life Sciences
1978: 5086
1983: 5603
1988: 6222
1993: 7463
1998: 8612
2003: 8508
2008: 11088
(链接:http://www.nsf.gov/statistics/nsf10309/content.cfm?pub_id=3996&id=8#tab1
看到2003到2008的大跨越了没?
谁告诉你“bioinformatics在工业界位置也很多”,是你自己臆想的吧?而且很多是技
术员职位。另外,你是NIH给钱的主,还“funding的压力较小”。
再自己查查,现在美国有多少Bioinformatics相关的department/program,一年滚出多
少毕业生?
不懂没有关系,别在这误导别人。

【在 b****r 的大作中提到】
: 生物的NIHfunding 有时候比头一年还少了,你说这样也叫做爆炸式增长?
: 而且bioinformatics在工业界位置也很多。并且一不要什么实验室二不要买什么试剂和
: 仪器,相比其他专业,funding的压力较小
: 如果不干生物了,我不好说,如果干生物,做bioinformatics很不错
:
: 了。

avatar
b*r
20
别的小专业不敢那么肯定,我们搞遗传的,无论学校还是公司,将来几年我看主要的
data都得要靠bioinfor的人分析或者帮助分析,而且我看好会产生很多实际经济效益,
那可不会是你说的这种5年增40%的爆炸式“大跨越”。我想起码会有翻几个跟头的job
market。关键是我并没看到周围几个学校的bioinformatics学生在明显增长。就是10年
后市场饱和了,现在进去的这批人基本也established了
再强调一下上面说过的,“除非不搞生物”,搞生物,我最看好bioinformatics

653Billion

【在 j********e 的大作中提到】
: 你别老盯着最近这几年,NIH预算从1995年的$11.3Billion到2005年的$28.653Billion
: 这不是爆炸式增长?(链接在这:opa1.faseb.org/pdf/NIHFundingTrends.pps)。增
: 加的钱培养了多少博士生?
: Doctorate Recipients in Life Sciences
: 1978: 5086
: 1983: 5603
: 1988: 6222
: 1993: 7463
: 1998: 8612
: 2003: 8508

avatar
A*e
21
请问,bioinformatics能解决什么重大生物学问题吗?bioinformatics只能对biology
起到辅助作用,真正的生物学问题离不开实验,对吗? bioinformatics或许有好的job
market, 好的salary. 但是没有真正的biology问题,也没有好的idea,也很难高影响
力的文章。个人见过一些bioinformatics的成果,吹牛加水分加毫无用处加error多多
。我觉得真正做biology的,然后学一些informatics的方法和工具解决自己的问题,最
好不过了
avatar
j*e
22
一年多产出了3000个博士,还不是大跨越?

job
==》你确定现在容易进去?

【在 b****r 的大作中提到】
: 别的小专业不敢那么肯定,我们搞遗传的,无论学校还是公司,将来几年我看主要的
: data都得要靠bioinfor的人分析或者帮助分析,而且我看好会产生很多实际经济效益,
: 那可不会是你说的这种5年增40%的爆炸式“大跨越”。我想起码会有翻几个跟头的job
: market。关键是我并没看到周围几个学校的bioinformatics学生在明显增长。就是10年
: 后市场饱和了,现在进去的这批人基本也established了
: 再强调一下上面说过的,“除非不搞生物”,搞生物,我最看好bioinformatics
:
: 653Billion

avatar
b*r
23
我觉得真正做biology的,然后学一些informatics的方法和工具解决自己的问题,最好
不过了
我完全同意,我也想自己做
可惜的是如果要自己写程序开发软件处理越来越海量的数据,还要自己做好实验写好
grant,已经越来越不现实了,这是没有办法的事情。将来的发展趋势必然是多学科之
间的合作。

biology
job

【在 A*******e 的大作中提到】
: 请问,bioinformatics能解决什么重大生物学问题吗?bioinformatics只能对biology
: 起到辅助作用,真正的生物学问题离不开实验,对吗? bioinformatics或许有好的job
: market, 好的salary. 但是没有真正的biology问题,也没有好的idea,也很难高影响
: 力的文章。个人见过一些bioinformatics的成果,吹牛加水分加毫无用处加error多多
: 。我觉得真正做biology的,然后学一些informatics的方法和工具解决自己的问题,最
: 好不过了

avatar
b*r
24
呵呵,你是学什么的啊,怎么这么不讲逻辑,我都强调了多少次我以为bioinfo是生物
里最好的,你还在这里拿着整个生物的数据反复强调
而且反过来说,越多做生物的,就越需要做bioinfo的人辅助,即使做纯生物的日子难
过,bioinfo可能还是会很不错

【在 j********e 的大作中提到】
: 一年多产出了3000个博士,还不是大跨越?
:
: job
: ==》你确定现在容易进去?

avatar
O*e
25
其实蛮多人把生统归到统计里面的;而且现在学生统的人也不是一般化地多了

【在 b****r 的大作中提到】
: 呵呵,你是学什么的啊,怎么这么不讲逻辑,我都强调了多少次我以为bioinfo是生物
: 里最好的,你还在这里拿着整个生物的数据反复强调
: 而且反过来说,越多做生物的,就越需要做bioinfo的人辅助,即使做纯生物的日子难
: 过,bioinfo可能还是会很不错

avatar
m*T
26
就NGS而言,对bioinfo的需要肯定是会更大。原来的数据量是以M为单位,现在是以G,
两三年后就要以T了。如何从这么大量的数据中找到你所需要的,是个非常大的challenge。别的专业不敢肯定,但应该大同小异。
avatar
e*t
27
对bioinfo没信心的人,是根本不懂bioinfo在做什么。bioinfo主要有两大类:建模和
数据分析。
很多人说bioinfo没用,主要是说在建模方面,modeling本来就是很fancy的东西,不光
在bio,金融,物理。。。都有很多不确定的东西,预测性有时侯不是很好。但随着数
据量的增大,model越来月接近reality。
数据分析就不用说了,统计,编成,数据库。。。
还有做纯IT support的。这个不属于science范畴了。
avatar
j*e
28
你呀,就是嘴硬,哥明明是用过去十来年生物的扩展导致的恶果来做个类比,告诉你
bioinfo并不是你臆想的那么美好。你非得反驳,说5年增40%的爆炸式不是“大跨越”
,还说我拿整个生物的数据反复强调,到底是谁没有逻辑?
bioinfo现在已经回归理性发展轨道了,早几年哪个阿猫阿狗不来晃荡几下灌灌水?但
这并不是是说做这行就有多好,以后也就是低端的技术员职位多而已。给你个例子吧,
这个月礼来就会把其在新加坡的研发中心关了,里边有一大票做bioinfo的。
在象牙塔里做玫瑰梦是很美,可外面的世界是残酷的。

【在 b****r 的大作中提到】
: 呵呵,你是学什么的啊,怎么这么不讲逻辑,我都强调了多少次我以为bioinfo是生物
: 里最好的,你还在这里拿着整个生物的数据反复强调
: 而且反过来说,越多做生物的,就越需要做bioinfo的人辅助,即使做纯生物的日子难
: 过,bioinfo可能还是会很不错

avatar
A*e
29
对于bioinfo的建模而言,不知诸位意见如何,我觉得就我所知的一些模型,例如一些
基因的表达调控的模型,基本没有太大的用处,准确性也非常低。比如有人用bioinfo
预测TF的结合位点,结果往往是一个joke.就目前而言,建模都是建立在实验生物学所
发现的一些基本原则之上,做一些拓展延伸。而作为一个做实验出身的人,无论什么时
候什么地方任何结论都要证据证明的,没有solid的evidence,就没有任何结论。而
bioinfo对自己的模型如何证明?如何验证?曾有bioinfo问我为什么要做基因功能,基
因组都已经注释好了,让我无言。还有一个问题,bioinfo有没有原创性?
数据统计分析建库这块就不用说了,bioinfo做了很大贡献。个人觉得bioinfo最大用处
就在这块,建立平台,建立工具。
avatar
A*e
30
对于bioinfo的建模而言,不知诸位意见如何,我觉得就我所知的一些模型,例如一些
基因的表达调控的模型,基本没有太大的用处,准确性也非常低。比如有人用bioinfo
预测TF的结合位点,结果往往是一个joke.就目前而言,建模都是建立在实验生物学所
发现的一些基本原则之上,做一些拓展延伸。而作为一个做实验出身的人,无论什么时
候什么地方任何结论都要证据证明的,没有solid的evidence,就没有任何结论。而
bioinfo对自己的模型如何证明?如何验证?曾有bioinfo问我为什么要做基因功能,基
因组都已经注释好了,让我无言。还有一个问题,bioinfo有没有原创性?
数据统计分析建库这块就不用说了,bioinfo做了很大贡献。个人觉得bioinfo最大用处
就在这块,建立平台,建立工具。
avatar
v*g
32
Bioinformatics Market to Grow at 26% CAGR by 2013
http://www.justprnews.com/3222/bioinformatics-market-to-grow-at-26-cagr-by-2013/
Bioinformatics offers an indispensable technology for function assignment
and is widely used for gene annotation. Initial efforts in bioinformatics
were focused on the analysis of DNA sequence data. However, presently, the
scope and objectives of bioinformatics research and development have
broadened owing to the high generation of data from various sources and for
different cellular processes, continuously evolving analytical technologies,
and increasing computational capability.
The global bioinformatics industry has been witnessing double-digit growth
rate for the past decade due to ongoing research. As per our new research
report “Global Bioinformatics Market Outlook” the market for
bioinformatics will surge at a CAGR of nearly 26% during 2011-2013.
avatar
d*r
33
still not bad...
in 2009, job listing in many areas decreased much more than 15%...

【在 v*******g 的大作中提到】
: http://www.simplyhired.com/a/jobtrends/trend/q-bioinformatics
: Bioinformatics Job Trends
: This graph displays the percentage of jobs with your search terms anywhere
: in the job listing. Since April 2009, the following has occurred:
: • Bioinformatics jobs decreased 15%

avatar
g*d
34
Bioinformatics jobs decreased 15% !

anywhere

【在 v*******g 的大作中提到】
: http://www.simplyhired.com/a/jobtrends/trend/q-bioinformatics
: Bioinformatics Job Trends
: This graph displays the percentage of jobs with your search terms anywhere
: in the job listing. Since April 2009, the following has occurred:
: • Bioinformatics jobs decreased 15%

avatar
v*g
35
Y-axis is proportion .
This means bad.

【在 d*****r 的大作中提到】
: still not bad...
: in 2009, job listing in many areas decreased much more than 15%...

avatar
b*r
36
bioinfor还没开始扩展呢,怎么个爆炸增长。有人说都最近一年位置还降了15%,并不
适合你那个model。我看好的是今后五年到十年的发展。
而且我说的是我们遗传领域。我们系里招分析next gen Seq的faculty都快两年了也没
招到人。边上一个系里最近招的一个做bioinfo的AP,非牛校fresh PHD,两三片2,3分
的文章。你要放生物的其他领域,这个可能性不大吧。现在next gen的数据才刚刚开始
出来,楼主几年training出来,差不多就是位置大膨胀的时候。拿到AP位置,谁还管得
了几十年以后
Again,除非不做生物,做生物,目前最好就是bioinfor,明白?

【在 j********e 的大作中提到】
: 你呀,就是嘴硬,哥明明是用过去十来年生物的扩展导致的恶果来做个类比,告诉你
: bioinfo并不是你臆想的那么美好。你非得反驳,说5年增40%的爆炸式不是“大跨越”
: ,还说我拿整个生物的数据反复强调,到底是谁没有逻辑?
: bioinfo现在已经回归理性发展轨道了,早几年哪个阿猫阿狗不来晃荡几下灌灌水?但
: 这并不是是说做这行就有多好,以后也就是低端的技术员职位多而已。给你个例子吧,
: 这个月礼来就会把其在新加坡的研发中心关了,里边有一大票做bioinfo的。
: 在象牙塔里做玫瑰梦是很美,可外面的世界是残酷的。

avatar
w*y
37
hehe, no offense
bioinfo faculty位置大膨胀 only exists in your dream
NGS did create bunch of data analyst positions, but not many faculty
positions.
It is much easier for the existing bioinfo faculty members to
jump into the NGS field and get funded... unless your school does not have
any good bioinformaticians.
Finally, there is a real demand for people who know
the state-of-the-art high performance computing in the NGS field,
but it is a pure CS stuff.

【在 b****r 的大作中提到】
: bioinfor还没开始扩展呢,怎么个爆炸增长。有人说都最近一年位置还降了15%,并不
: 适合你那个model。我看好的是今后五年到十年的发展。
: 而且我说的是我们遗传领域。我们系里招分析next gen Seq的faculty都快两年了也没
: 招到人。边上一个系里最近招的一个做bioinfo的AP,非牛校fresh PHD,两三片2,3分
: 的文章。你要放生物的其他领域,这个可能性不大吧。现在next gen的数据才刚刚开始
: 出来,楼主几年training出来,差不多就是位置大膨胀的时候。拿到AP位置,谁还管得
: 了几十年以后
: Again,除非不做生物,做生物,目前最好就是bioinfor,明白?

avatar
b*r
38
呵呵,没错,纯biology的人是难做好bioinfo。不过如果我没弄错的话,楼主本来就不
是学生物的,是一个从CS或者别的系打算往bioinfo跳的家伙
所以我每次都说,除非不搞生物,不然bioinfor最好
至于有关NGS的faculty位置是不是会大大增加,咱等着瞧

have

【在 w******y 的大作中提到】
: hehe, no offense
: bioinfo faculty位置大膨胀 only exists in your dream
: NGS did create bunch of data analyst positions, but not many faculty
: positions.
: It is much easier for the existing bioinfo faculty members to
: jump into the NGS field and get funded... unless your school does not have
: any good bioinformaticians.
: Finally, there is a real demand for people who know
: the state-of-the-art high performance computing in the NGS field,
: but it is a pure CS stuff.

avatar
O*e
39
我也觉得如果哪个PI想处理大批量的数据,直接去雇生物信息的手下就是了,未必一定
需要
专门做这个的faulty。

have

【在 w******y 的大作中提到】
: hehe, no offense
: bioinfo faculty位置大膨胀 only exists in your dream
: NGS did create bunch of data analyst positions, but not many faculty
: positions.
: It is much easier for the existing bioinfo faculty members to
: jump into the NGS field and get funded... unless your school does not have
: any good bioinformaticians.
: Finally, there is a real demand for people who know
: the state-of-the-art high performance computing in the NGS field,
: but it is a pure CS stuff.

avatar
b*r
40
我也这么想过,不过我觉得这个在美国好像不是特别现实,学校里雇个人开个人都不容
易,IT人力又挺贵的,毕竟这不是一下两下能搞定的分析
我有时候在想,如果将来我做老板要雇人分析这种数据,我就到国内找些IT的大学生研
究生,给些打零工的钱,做完一拍两散

【在 O******e 的大作中提到】
: 我也觉得如果哪个PI想处理大批量的数据,直接去雇生物信息的手下就是了,未必一定
: 需要
: 专门做这个的faulty。
:
: have

avatar
O*e
41
中国劳动力的廉价估计持续不了多少年了吧。

【在 b****r 的大作中提到】
: 我也这么想过,不过我觉得这个在美国好像不是特别现实,学校里雇个人开个人都不容
: 易,IT人力又挺贵的,毕竟这不是一下两下能搞定的分析
: 我有时候在想,如果将来我做老板要雇人分析这种数据,我就到国内找些IT的大学生研
: 究生,给些打零工的钱,做完一拍两散

avatar
b*r
42
哈哈,所以要抓紧时间快点做老板啊!

【在 O******e 的大作中提到】
: 中国劳动力的廉价估计持续不了多少年了吧。
avatar
d*y
43
bioinfo is a joke for modeling in my opinion.
avatar
v*g
44
我觉得 bioinformatics 的未来的发展,关键是看
这个bioinformatics手段是不是切实有效,或者是大部分是可以出成果的(有实际的应
用,例如,诊断,制药).光发文章是不算数的。
如果bioinformatics只能停留在发表文章上,我觉得将来不看好
另 我在第一楼又加了2贴
avatar
b*r
45
那是当然,光出paper的领域强不起来的
根据现在的model对于SNP based Whole genome linkage study的power,我觉得等全基
因组测序的成本降到和SNP array差不多的时候,稍微常见一点的多基因疾病的致病相
关突变都可能被解析出来。按照现在的降价速度,应该不超过5年
可以想象一下,有多少人死于多基因病,有多少种较为常见的多基因病,而且不同的人
群多基因病的遗传因素又不一样,加上环境因素的参与。这些model全部要靠bioinfor
的手段才能解决

【在 v*******g 的大作中提到】
: 我觉得 bioinformatics 的未来的发展,关键是看
: 这个bioinformatics手段是不是切实有效,或者是大部分是可以出成果的(有实际的应
: 用,例如,诊断,制药).光发文章是不算数的。
: 如果bioinformatics只能停留在发表文章上,我觉得将来不看好
: 另 我在第一楼又加了2贴

avatar
e*t
46
这里在讨论找工作的问题,不是有没有用的问题。
biostat的人都知道,其实统计在建模里面更撤但,很多东西只是数学上make sense,
里实际还差十万八千里,但这并不妨碍人家好找工作。
在美国,很多事情都是这样。看上去很撤的东西,只要做的人多了,就能赚到钱,没有
人关心make sense or not,象牙医就是。很多不用做的东西,你去看牙医,他们都推
荐你做,很多美国人也听他们的。律师也是。这就是这个国家的文化。金融招一大堆学
数学的,弄出无比复杂的公式,就是呼游你去买他们的产品,他们赚到钱就行了。

【在 d******y 的大作中提到】
: bioinfo is a joke for modeling in my opinion.
avatar
b*1
47
Here is a quote on 2010 survey of scientist salaries. While the salaries of
scientists drops in almost all fields, the salaries of bioinformatics
scientists increased 5% from 2009 to 2010.
This year’s Salary Survey saw drops in salaries across the board. Almost
every specialty suffered a setback, some with dips as large as $20,000 (
ecology) and $28,000 (virology). A few select fields bucked the trend,
however, posting salary increases this year: bioinformatics, biophysics,
biotechnology, and neuroscience. It isn’t always easy to determine why
these specialties saw salary raises while others saw cuts, but researchers
in each field can speculate.
“There have been increasing requirements in NIH RFAs for informatics
components in large projects,” says Mark Musen, head of the Stanford Center
for Biomedical Informatics Research at Stanford University. And the
continued surge in high-throughput experiments has departments around the
country increasing their demand for employees who can manage and interpret
the data, which may be adding to the jump in bioinformatics salaries, adds
Musen. “I’ve noticed this year that start-up packages for new faculty
members in biomedical informatics have been enormously generous because the
competition is so intense,” he says. “It doesn’t surprise me that [The
Scientist’s] salary data reflect this situation.”
Read more: Life Sciences Salary Survey 2010 - The Scientist - Magazine of
the Life Sciences http://www.the-scientist.com/article/display/57788/#ixzz17Yn39NAo
avatar
b*1
48
With the advent of high density chip technology, most biological experiments
have been or will be performed in high-throughput. Tons of data are
generated every day across the world, which are required to be deposited into
some central repositories by most journals. For 70% human diseases, anyone
can retrieve thousands of data across a variety of measurements from public
repositories for free. There is a huge gap in between the data and
application in clinics. No matter you are a bioinformatician or not, as long
as you can make discovery from these data, validate them in new clinical
samples, and translate them into clinics, there is huge market for you. I
think that bioinformatics is transforming the biology and clinics. In the
future, maybe all biologists gains bioinformatics skills and use it to make
discoveries. Or bioinformatics scientists take over a large stake of biology
. The name of bioinformatics might even disappear, but as long as you
understand biological/clinic problems and know how to use informatics to
find the data, solve the problem, you have a bright future.
avatar
b*1
49
Bioinformatics was born from high-throughput data, and is evolving very
fast. Try to ask 10 people on what is bioinformatics, and you might get 10
different answers. When more and more biology/clinics fields are accepting
high-throughput technology and centralized repositories, bioinformatics is
evolving with the market to occupy more and more fields. Bioinformatics
scientists are from very diversified background, but one common feature we
all share is that we all have interdisciplinary knowledge and are willing to
take risk and efforts to enter novel and exciting fields.
avatar
d*r
50
I think the bottle-neck is not bioinfo itself, or statistical
methods/algorithm, or even math if we put aside the philosophical
question about whether biology can be understood by math.
The bottle-neck is high-throughput methods to acquire the data,
including
large-scale perturbing/imaging tools on molecular/cellular/animal level.
This requires huge progress on
instrumentation/nanotechnology/microfluidics/automation/material
science/surface chemistry, etc. That's why Feng Zhang was so popular on
the job market. It's also hard because this kind of tedious and non-
hypothesis-driven work will be too hard to get funding. Only in some
central-powered system like China can this be possible.

experiments
deposited into
anyone
public
as long
clinical
you. I
the

【在 b*******1 的大作中提到】
: With the advent of high density chip technology, most biological experiments
: have been or will be performed in high-throughput. Tons of data are
: generated every day across the world, which are required to be deposited into
: some central repositories by most journals. For 70% human diseases, anyone
: can retrieve thousands of data across a variety of measurements from public
: repositories for free. There is a huge gap in between the data and
: application in clinics. No matter you are a bioinformatician or not, as long
: as you can make discovery from these data, validate them in new clinical
: samples, and translate them into clinics, there is huge market for you. I
: think that bioinformatics is transforming the biology and clinics. In the

avatar
A*e
51
对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
越理性。现在好的job market和整个行业前途的收缩并不矛盾。 bioinfo就是提供一些
平台,工具,以供处理实验数据,并不能解决实际的biology问题,因而决定了其用处
的有限性。即使现在流行的全基因组snp测序,它实际是一个genetics问题。其基本原
理就是做genotype和phenotype的连锁分析。做genetics的都知道,这是一个最基本的
道理,只是现在可以大规模测序,可以发掘很多的genome marker,甚至可以直接在一
个species里面分析不同个体基因的natural variation,再去他们的phenotype
variation做连锁分析,这是一个遗传学问题。很早前作qtl的就这么做了,只是那时候
marker难找。所以归结起来这是一个用bioinfo来辅助分析genetics data的典型. SNP
多态和疾病等表性是一个遗传学概念,对吧。实际上等一些分析软件,工具平台大众化
后,这些分析做biology的都能做,并不需要专业的bioinfo。即使现在,做biology的
,在软件和分析方法方面稍加学习或培训,就能很好的做这些数据分析了。
avatar
d*r
52
that's why bioinfo should be merged with systems biology and synthetic
biology, penetrating deeper into biology problems.

【在 A*******e 的大作中提到】
: 对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
: 但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
: 萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
: 越理性。现在好的job market和整个行业前途的收缩并不矛盾。 bioinfo就是提供一些
: 平台,工具,以供处理实验数据,并不能解决实际的biology问题,因而决定了其用处
: 的有限性。即使现在流行的全基因组snp测序,它实际是一个genetics问题。其基本原
: 理就是做genotype和phenotype的连锁分析。做genetics的都知道,这是一个最基本的
: 道理,只是现在可以大规模测序,可以发掘很多的genome marker,甚至可以直接在一
: 个species里面分析不同个体基因的natural variation,再去他们的phenotype
: variation做连锁分析,这是一个遗传学问题。很早前作qtl的就这么做了,只是那时候

avatar
b*1
53
I agree what demoner and AnthonyGe said are facts. One difference is what is
the task of bioinformatics scientists. If it is just data analysis, I agree
that it might expand for several years and then shrink. However, more and
more bioinformatics scientists are directly proposing and investigating
novel biological/clinical questions. Because we can easily retrieve ten
times more data than any specialized biological lab on any disease, and buy
samples/kits/mouse/tests online, we can very often answer the questions fast
or answer questions which any specialized lab will never be able to ask.
Our specialty is that we are from from interdisciplinary background and are
willing to take risk and effort to enter any novel and exciting field.
avatar
b*1
54
Data, samples, platforms, and even experiments are becoming commodity. You
can easily buy all these online. A lot of them are even free. As long as you
can propose important biological/clinical questions, you can get all
process done without any single experiment by yourself. For example, with
several gene/markers in hand and offer money and co-authorship for
validation, any famous specialized lab would happily take the offer. These
commodities freed us bioinformatics scientists from doing tedious
experiments and focusing on finding and answering questions.
avatar
b*1
55
I agree that there are still a lot of noise in the data due to the platform,
and this is why some people on this board are cautious about bioinformatics
. However, I believe that when you have hundreds and thousands of data, you
can find the gold from the noise. The most important thing is the validation
! Don't stop at the prediction. It is our task to convince people that we
can find clinically useful diagnostics biomarkers/drugs from these high-
throughput data, so the world will follow. Because we bioinformatics
scientists have interdisciplinary knowledge to propose biological/clinical
questions, and the computational skills to identify and integrate data to answer
questions, we can answer questions in the most efficient way. We are the
best candidate to take advantage of the exploding commodity of data/samples/
experiments and lead the community efforts to move the biology ahead.

【在 d*****r 的大作中提到】
: I think the bottle-neck is not bioinfo itself, or statistical
: methods/algorithm, or even math if we put aside the philosophical
: question about whether biology can be understood by math.
: The bottle-neck is high-throughput methods to acquire the data,
: including
: large-scale perturbing/imaging tools on molecular/cellular/animal level.
: This requires huge progress on
: instrumentation/nanotechnology/microfluidics/automation/material
: science/surface chemistry, etc. That's why Feng Zhang was so popular on
: the job market. It's also hard because this kind of tedious and non-

avatar
e*t
56
任何有现代生物学概念的人,也不会认为bioinfo会萎缩。
很多东西是有软件用,不需要编程技巧。但是编程永远是高于软件使用,因为编程有很
高的flexibility.
就拿你说的qtl为例。我们实验室有一堆以前做的phenotype and genotype,做diabetes
qtl mapping. 但是这个phenotype有一些特别,不是正态分布.linkage study中,主
要都是linear model来建立模型,都要求phenotype是或者接近于正态分布。这个数据
是right-censored,属于survival studies.目前还没有任何软件可以做semi-
parametric survival studies in qtl mapping. 我们实验室的人都没辙了,我们老板
就招了我。其实也不难,就是用R 的一个package,轻松搞定.
生物技术在evovle,数据复杂度也在evolve

【在 A*******e 的大作中提到】
: 对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
: 但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
: 萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
: 越理性。现在好的job market和整个行业前途的收缩并不矛盾。 bioinfo就是提供一些
: 平台,工具,以供处理实验数据,并不能解决实际的biology问题,因而决定了其用处
: 的有限性。即使现在流行的全基因组snp测序,它实际是一个genetics问题。其基本原
: 理就是做genotype和phenotype的连锁分析。做genetics的都知道,这是一个最基本的
: 道理,只是现在可以大规模测序,可以发掘很多的genome marker,甚至可以直接在一
: 个species里面分析不同个体基因的natural variation,再去他们的phenotype
: variation做连锁分析,这是一个遗传学问题。很早前作qtl的就这么做了,只是那时候

avatar
T*t
57
我只想说,当年上大学选专业的时候,我曾经想过学外语相关专业,因为我外语不错,
后来觉得外语么,就是一门工具而已,没必要以它为职业。后来想学计算机,因为我对
计算机很有兴趣,后来觉得计算机也只是一个工具而已,而且那么多人在学,前途应该
会越来越萎缩吧。再后来呢,就给自己注册了这么个ID来泡生物版了。。。

【在 A*******e 的大作中提到】
: 对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
: 但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
: 萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
: 越理性。现在好的job market和整个行业前途的收缩并不矛盾。 bioinfo就是提供一些
: 平台,工具,以供处理实验数据,并不能解决实际的biology问题,因而决定了其用处
: 的有限性。即使现在流行的全基因组snp测序,它实际是一个genetics问题。其基本原
: 理就是做genotype和phenotype的连锁分析。做genetics的都知道,这是一个最基本的
: 道理,只是现在可以大规模测序,可以发掘很多的genome marker,甚至可以直接在一
: 个species里面分析不同个体基因的natural variation,再去他们的phenotype
: variation做连锁分析,这是一个遗传学问题。很早前作qtl的就这么做了,只是那时候

avatar
c*r
58
一边享受着bioinfo的成就,一边说着bioinfo的无用,有意思。
1. 软件不是研究生物信息的人做出来的么?你自己写个软件(而不是某个程序)试试
?新的仪器在进步,新的数据在产生,旧的软件总有被淘汰的一天。
2. 稍加培训?你以为会了t-test/PCA之类就等于会数据分析了?

实际上等一些分析软件,工具平台大众化
后,这些分析做biology的都能做,并不需要专业的bioinfo。即使现在,做biology的
,在软件和分析方法方面稍加学习或培训,就能很好的做这些数据分析了

【在 A*******e 的大作中提到】
: 对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
: 但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
: 萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
: 越理性。现在好的job market和整个行业前途的收缩并不矛盾。 bioinfo就是提供一些
: 平台,工具,以供处理实验数据,并不能解决实际的biology问题,因而决定了其用处
: 的有限性。即使现在流行的全基因组snp测序,它实际是一个genetics问题。其基本原
: 理就是做genotype和phenotype的连锁分析。做genetics的都知道,这是一个最基本的
: 道理,只是现在可以大规模测序,可以发掘很多的genome marker,甚至可以直接在一
: 个species里面分析不同个体基因的natural variation,再去他们的phenotype
: variation做连锁分析,这是一个遗传学问题。很早前作qtl的就这么做了,只是那时候

avatar
d*r
59
the problem is, the current dataset is still too small, covering only
very very small portion of the disease or protein signaling dimension.
Most of the data are 2D, or much less 3D, very very little 4D...
e.g., we don't have any real-time molecular interaction data of hundreds
protein or thousands of proteins in subcellular resolution in vitro, not
even say in vivo...
Without all these technic available, bioinfo can't go far.

platform,
bioinformatics
data, you
validation
we
high-
biological/clinical
to answer
the

【在 b*******1 的大作中提到】
: I agree that there are still a lot of noise in the data due to the platform,
: and this is why some people on this board are cautious about bioinformatics
: . However, I believe that when you have hundreds and thousands of data, you
: can find the gold from the noise. The most important thing is the validation
: ! Don't stop at the prediction. It is our task to convince people that we
: can find clinically useful diagnostics biomarkers/drugs from these high-
: throughput data, so the world will follow. Because we bioinformatics
: scientists have interdisciplinary knowledge to propose biological/clinical
: questions, and the computational skills to identify and integrate data to answer
: questions, we can answer questions in the most efficient way. We are the

avatar
c*r
60
如果某个PI有大量的数据,他肯定不会仅仅止步于处理数据,而是要建集实验、数据存
储和分析为一体的平台,这种工作让一个faculty做更有效率。

【在 O******e 的大作中提到】
: 我也觉得如果哪个PI想处理大批量的数据,直接去雇生物信息的手下就是了,未必一定
: 需要
: 专门做这个的faulty。
:
: have

avatar
c*r
61
bioinformatics就是biology + informatics,难道您老在用informatics工具解决自己
biology的问题时,还否认也是在做bioinformatics吗?

biology
job

【在 A*******e 的大作中提到】
: 请问,bioinformatics能解决什么重大生物学问题吗?bioinformatics只能对biology
: 起到辅助作用,真正的生物学问题离不开实验,对吗? bioinformatics或许有好的job
: market, 好的salary. 但是没有真正的biology问题,也没有好的idea,也很难高影响
: 力的文章。个人见过一些bioinformatics的成果,吹牛加水分加毫无用处加error多多
: 。我觉得真正做biology的,然后学一些informatics的方法和工具解决自己的问题,最
: 好不过了

avatar
c*r
62
是这样,我一般都自己写代码,不用现成的工具--有太多局限性。

diabetes

【在 e*****t 的大作中提到】
: 任何有现代生物学概念的人,也不会认为bioinfo会萎缩。
: 很多东西是有软件用,不需要编程技巧。但是编程永远是高于软件使用,因为编程有很
: 高的flexibility.
: 就拿你说的qtl为例。我们实验室有一堆以前做的phenotype and genotype,做diabetes
: qtl mapping. 但是这个phenotype有一些特别,不是正态分布.linkage study中,主
: 要都是linear model来建立模型,都要求phenotype是或者接近于正态分布。这个数据
: 是right-censored,属于survival studies.目前还没有任何软件可以做semi-
: parametric survival studies in qtl mapping. 我们实验室的人都没辙了,我们老板
: 就招了我。其实也不难,就是用R 的一个package,轻松搞定.
: 生物技术在evovle,数据复杂度也在evolve

avatar
c*r
63
the current dataset is still too small.... bioinfo can't go far
人类基因组的原始数据有多大?
蛋白质组/代谢组的原始数据又有多大?
bioinfo仅仅局限于分析蛋白结构么?井底之蛙。
了解蛋白功能,现有的数据都研究透了么?急切需要4D的数据?

【在 d*****r 的大作中提到】
: the problem is, the current dataset is still too small, covering only
: very very small portion of the disease or protein signaling dimension.
: Most of the data are 2D, or much less 3D, very very little 4D...
: e.g., we don't have any real-time molecular interaction data of hundreds
: protein or thousands of proteins in subcellular resolution in vitro, not
: even say in vivo...
: Without all these technic available, bioinfo can't go far.
:
: platform,
: bioinformatics

avatar
y*i
64
bioinfo有瞎米成就?任何一个时间段上,bioinfo的结果比bench work的结果来说,
基本可以忽略不计。
你以为会了t-test/PCA之类就等于会数据分析了?---- 至少已经能做现在bioinfo很
重要的一部分了。现在bioinfo对生物学有重要意义的研究方法有那么几块,t-test/
PCA可以说是一大块了。。。。

【在 c****r 的大作中提到】
: 一边享受着bioinfo的成就,一边说着bioinfo的无用,有意思。
: 1. 软件不是研究生物信息的人做出来的么?你自己写个软件(而不是某个程序)试试
: ?新的仪器在进步,新的数据在产生,旧的软件总有被淘汰的一天。
: 2. 稍加培训?你以为会了t-test/PCA之类就等于会数据分析了?
:
: 实际上等一些分析软件,工具平台大众化
: 后,这些分析做biology的都能做,并不需要专业的bioinfo。即使现在,做biology的
: ,在软件和分析方法方面稍加学习或培训,就能很好的做这些数据分析了

avatar
y*i
65
well,我认为systems biology应该被取消,忽悠得太没谱了。


该是
越来
一些
用处
本原
本的
在一
时候

【在 d*****r 的大作中提到】
: that's why bioinfo should be merged with systems biology and synthetic
: biology, penetrating deeper into biology problems.

avatar
M*e
66
如果是bioinformatics 和 biostatistics 相比呢, 哪份工作更好些?
avatar
L*O
67
agree~~~

【在 y***i 的大作中提到】
: well,我认为systems biology应该被取消,忽悠得太没谱了。
:
: 。
: 该是
: 越来
: 一些
: 用处
: 本原
: 本的
: 在一

avatar
e*t
68
真的无语了。。。。
千老们难道不读paper,不去听seminar么?对bioinfo的认识还局限在解蛋白结构?

【在 c****r 的大作中提到】
: the current dataset is still too small.... bioinfo can't go far
: 人类基因组的原始数据有多大?
: 蛋白质组/代谢组的原始数据又有多大?
: bioinfo仅仅局限于分析蛋白结构么?井底之蛙。
: 了解蛋白功能,现有的数据都研究透了么?急切需要4D的数据?

avatar
e*t
69
这位老兄估计还是在那种一个gene,一个蛋白做到死的实验室。
那就请你不要用genome browser,不用blast,不要用bioinfo任何软件设计引物。
从你能知道t-test和PCA这两个名词来看,你估计是在某个seminar上听说过人家谈论
microarray的分析。很不幸的告诉你,microarray即将被淘汰了。
还有,看到这个:“t-test/PCA可以说是一大块了。。。。”,我强烈呼吁千老们要积
极起来,多学习学习了,井底之蛙太可怕。
我见过很多做bioinfo的人,不论是生物出身还是别的,对生物的理解丝毫不比wet lab
的差。相反,做bench的,很多人队bench以外知识了解的太少太少,可能是千老们压力
大,没有时间学别的。
我们系曾经邀请一个在genetics top级的牛人做报告,有个学生问他怎样才能在学术界
取得成功。他的回答是你的学会怎样handle large dataset,才能找到工作,找到工作
你才能做自己喜欢的research,这是未来science career发张的方向。说的太诚恳了。

【在 y***i 的大作中提到】
: well,我认为systems biology应该被取消,忽悠得太没谱了。
:
: 。
: 该是
: 越来
: 一些
: 用处
: 本原
: 本的
: 在一

avatar
e*t
70
具体是看bioinfo做什么方向。如果是NGS,目前总的来说比biostat好一些,但是你要
做蛋白结构或者比较冷门的bioinfo,也不必bench的好找,顶多会编程而已。

【在 M****e 的大作中提到】
: 如果是bioinformatics 和 biostatistics 相比呢, 哪份工作更好些?
avatar
x*e
71
其实整个生物行业都是靠学化学,物理,电子,计算机的人在推动的,学生物的人自己
意识不到。。。
avatar
e*t
72
哈哈,举个搞笑的例子,我知道隔壁实验室有个人想把一个大dataset中某个variable
的每个值的引号去掉。那个raw data有几千行,其实真的不算很大dataset。他不会编
程,基本没辙。其实几行code就能搞定。
同学们,data analysis真的不是一两句话能说的清楚的。你能告诉我,哪个软件能帮
你把那些引号去掉?呵呵。开个玩笑。

【在 c****r 的大作中提到】
: 一边享受着bioinfo的成就,一边说着bioinfo的无用,有意思。
: 1. 软件不是研究生物信息的人做出来的么?你自己写个软件(而不是某个程序)试试
: ?新的仪器在进步,新的数据在产生,旧的软件总有被淘汰的一天。
: 2. 稍加培训?你以为会了t-test/PCA之类就等于会数据分析了?
:
: 实际上等一些分析软件,工具平台大众化
: 后,这些分析做biology的都能做,并不需要专业的bioinfo。即使现在,做biology的
: ,在软件和分析方法方面稍加学习或培训,就能很好的做这些数据分析了

avatar
K*n
73
I usually use Microsoft Word to do this kind of jobs.
Open file -> Ctrl+H (Replace) -> Replace """ with ""
A very good practice for all bioinfo guys is to learn Office as much as you
can. Your neighbor's case is a very good example.

variable

【在 e*****t 的大作中提到】
: 哈哈,举个搞笑的例子,我知道隔壁实验室有个人想把一个大dataset中某个variable
: 的每个值的引号去掉。那个raw data有几千行,其实真的不算很大dataset。他不会编
: 程,基本没辙。其实几行code就能搞定。
: 同学们,data analysis真的不是一两句话能说的清楚的。你能告诉我,哪个软件能帮
: 你把那些引号去掉?呵呵。开个玩笑。

avatar
K*n
74
Memorizing all the hot keys (Ctrl + H in this case) also shows you are a
professional data miner.

you

【在 K****n 的大作中提到】
: I usually use Microsoft Word to do this kind of jobs.
: Open file -> Ctrl+H (Replace) -> Replace """ with ""
: A very good practice for all bioinfo guys is to learn Office as much as you
: can. Your neighbor's case is a very good example.
:
: variable

avatar
e*t
75
agree。虽然我也是学生物出身。。。
像现在NGS,如果认为是生物技术一个革命的话,主要功劳是发明测序的那班化学筒子
们。后续的分析是那班计算机和统计的筒子们。但是用NGS的主流,还是我们这帮生物
的筒子们。呵呵

【在 x****e 的大作中提到】
: 其实整个生物行业都是靠学化学,物理,电子,计算机的人在推动的,学生物的人自己
: 意识不到。。。

avatar
e*t
76
小小考你一下,如果同一个dataset,别的variable也有引号,但是你不想把他们也去
掉的话,怎么办?呵呵

you

【在 K****n 的大作中提到】
: I usually use Microsoft Word to do this kind of jobs.
: Open file -> Ctrl+H (Replace) -> Replace """ with ""
: A very good practice for all bioinfo guys is to learn Office as much as you
: can. Your neighbor's case is a very good example.
:
: variable

avatar
K*n
77
depends on the format and your logic
regular expression may help.

【在 e*****t 的大作中提到】
: 小小考你一下,如果同一个dataset,别的variable也有引号,但是你不想把他们也去
: 掉的话,怎么办?呵呵
:
: you

avatar
b*1
78
For industry jobs, biosta is narrower, focusing on analyzing clinical trial
data. Bioinfo is more flexible. In terms of salary, biosta is pretty good
overall. Bioinfo is more diversified. Data analyst has lower salary, but
bioinfo scientists who understands biological/clinical questions has higher
salary.

【在 M****e 的大作中提到】
: 如果是bioinformatics 和 biostatistics 相比呢, 哪份工作更好些?
avatar
e*t
79
哎,我是开个玩笑问你,ctrl+H怎么弄。你到认真起来了,呵呵。

【在 K****n 的大作中提到】
: depends on the format and your logic
: regular expression may help.

avatar
d*u
80
其实不光是生物领域,现在随着高维数据分析方法的改进,
很多学科的基本思维方法都发生了变化
PS:也欢迎各位到生物医学信息俱乐部讨论
刚开张没几天,正在聚集人气

lab

【在 e*****t 的大作中提到】
: 这位老兄估计还是在那种一个gene,一个蛋白做到死的实验室。
: 那就请你不要用genome browser,不用blast,不要用bioinfo任何软件设计引物。
: 从你能知道t-test和PCA这两个名词来看,你估计是在某个seminar上听说过人家谈论
: microarray的分析。很不幸的告诉你,microarray即将被淘汰了。
: 还有,看到这个:“t-test/PCA可以说是一大块了。。。。”,我强烈呼吁千老们要积
: 极起来,多学习学习了,井底之蛙太可怕。
: 我见过很多做bioinfo的人,不论是生物出身还是别的,对生物的理解丝毫不比wet lab
: 的差。相反,做bench的,很多人队bench以外知识了解的太少太少,可能是千老们压力
: 大,没有时间学别的。
: 我们系曾经邀请一个在genetics top级的牛人做报告,有个学生问他怎样才能在学术界

avatar
K*n
81
Ah.. using Ctrl + H.
There is a very nice feature in the dialog window instantiated by Ctrl+H,
namely "Find Next". You can explore its usage.

【在 e*****t 的大作中提到】
: 哎,我是开个玩笑问你,ctrl+H怎么弄。你到认真起来了,呵呵。
avatar
K*n
82
My browser does not decode the Chinese charactors of your club webpage... (
UTF-8 encoding ??) Do I need to apply for membership?

【在 d*****u 的大作中提到】
: 其实不光是生物领域,现在随着高维数据分析方法的改进,
: 很多学科的基本思维方法都发生了变化
: PS:也欢迎各位到生物医学信息俱乐部讨论
: 刚开张没几天,正在聚集人气
:
: lab

avatar
d*u
83
不用申请会员也可以发文。要申请只需要从www进入俱乐部,再点击相应按钮。
俱乐部网址是http://mitbbs.com/club_bbsdoc/biomedicalinformatics.html

【在 K****n 的大作中提到】
: My browser does not decode the Chinese charactors of your club webpage... (
: UTF-8 encoding ??) Do I need to apply for membership?

avatar
K*n
84
Thanks. My browser doesn't like it... will try again in a Chinese language
env

【在 d*****u 的大作中提到】
: 不用申请会员也可以发文。要申请只需要从www进入俱乐部,再点击相应按钮。
: 俱乐部网址是http://mitbbs.com/club_bbsdoc/biomedicalinformatics.html

avatar
b*1
85
I agree that we do not have enough quantitative data at dimension of the
space/time to build a model to illustrate mechanisms of most disease.
However, biology is still at the stage to fill all missing pieces. We do
have quantitative data at hundreds of different molecular measurements to
fill these missing pieces. For almost every human disease, I have thousands
of measurements at mRNA, protein, genetics, genomic, cytokine, cellular
levels in my database.

【在 d*****r 的大作中提到】
: the problem is, the current dataset is still too small, covering only
: very very small portion of the disease or protein signaling dimension.
: Most of the data are 2D, or much less 3D, very very little 4D...
: e.g., we don't have any real-time molecular interaction data of hundreds
: protein or thousands of proteins in subcellular resolution in vitro, not
: even say in vivo...
: Without all these technic available, bioinfo can't go far.
:
: platform,
: bioinformatics

avatar
w*y
86
呵呵, data analysis没你想的那么简单
基本上没有什么应用你对背后算法不懂, 按按按钮就能分析对
即使最简单最容易用的ncbi序列比对,
为什么要mask low complexity region, e value意义是什么,
很多人都不知道所以然
更不要说很多web service自己就是错的,
比如某公司的qPCR data analysis web service, 里面至少有2个明显的错误,
用它的biologists很多, 拿到的结果大多是错的misleading的,
只不过发发paper, 对错都无所谓而已

SNP

【在 A*******e 的大作中提到】
: 对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
: 但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
: 萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
: 越理性。现在好的job market和整个行业前途的收缩并不矛盾。 bioinfo就是提供一些
: 平台,工具,以供处理实验数据,并不能解决实际的biology问题,因而决定了其用处
: 的有限性。即使现在流行的全基因组snp测序,它实际是一个genetics问题。其基本原
: 理就是做genotype和phenotype的连锁分析。做genetics的都知道,这是一个最基本的
: 道理,只是现在可以大规模测序,可以发掘很多的genome marker,甚至可以直接在一
: 个species里面分析不同个体基因的natural variation,再去他们的phenotype
: variation做连锁分析,这是一个遗传学问题。很早前作qtl的就这么做了,只是那时候

avatar
O*e
87
以后会有用,所以还是让他们做好准备吧

【在 y***i 的大作中提到】
: well,我认为systems biology应该被取消,忽悠得太没谱了。
:
: 。
: 该是
: 越来
: 一些
: 用处
: 本原
: 本的
: 在一

avatar
O*e
88
怎么听怎么象“其实整个美国的发展都是靠外国人在推动的,本土美国人自己意识不到
而已”。
感情俺们这些学生物的整天做的就是浪费生命了

【在 x****e 的大作中提到】
: 其实整个生物行业都是靠学化学,物理,电子,计算机的人在推动的,学生物的人自己
: 意识不到。。。

avatar
n*7
89
vi 等文本编辑器 excel等表格软件 shell下面sed awk等都可以 呵呵

variable

【在 e*****t 的大作中提到】
: 哈哈,举个搞笑的例子,我知道隔壁实验室有个人想把一个大dataset中某个variable
: 的每个值的引号去掉。那个raw data有几千行,其实真的不算很大dataset。他不会编
: 程,基本没辙。其实几行code就能搞定。
: 同学们,data analysis真的不是一两句话能说的清楚的。你能告诉我,哪个软件能帮
: 你把那些引号去掉?呵呵。开个玩笑。

avatar
e*t
90
有必要这么复杂么,R一个命令noquote就能搞定

【在 n******7 的大作中提到】
: vi 等文本编辑器 excel等表格软件 shell下面sed awk等都可以 呵呵
:
: variable

avatar
n*7
91
我说的是不用学programming的解决方法

【在 e*****t 的大作中提到】
: 有必要这么复杂么,R一个命令noquote就能搞定
avatar
e*t
92
事实是残酷,我们这些做bio research的,是食物链的最底层。
这一点从找工作就可以看出来。

【在 O******e 的大作中提到】
: 怎么听怎么象“其实整个美国的发展都是靠外国人在推动的,本土美国人自己意识不到
: 而已”。
: 感情俺们这些学生物的整天做的就是浪费生命了

avatar
n*7
93
1 人多
2 没门槛

【在 e*****t 的大作中提到】
: 事实是残酷,我们这些做bio research的,是食物链的最底层。
: 这一点从找工作就可以看出来。

avatar
e*t
94
excel怎么去引号,说说看。我还真不知道。

【在 n******7 的大作中提到】
: 我说的是不用学programming的解决方法
avatar
n*7
95
data是tsv csv之类的文件的话
把特定列的"" 替换掉就ok了

【在 e*****t 的大作中提到】
: excel怎么去引号,说说看。我还真不知道。
avatar
K*n
96
Please use Ctrl+H as a short-cut

【在 n******7 的大作中提到】
: data是tsv csv之类的文件的话
: 把特定列的"" 替换掉就ok了

avatar
n*7
97
你念念不忘阿。。。
好吧,我承认我一般是用ctrl+f,然后用手点替换

【在 K****n 的大作中提到】
: Please use Ctrl+H as a short-cut
avatar
K*n
98
haha :P

【在 n******7 的大作中提到】
: 你念念不忘阿。。。
: 好吧,我承认我一般是用ctrl+f,然后用手点替换

avatar
v*g
99
看了以上所有帖子,小结一下:
Bioinformatics 这行离快速增长还是比较远,可能是在平均增长速度吧。
这一行还未看到工业化的迹象,所以增长不可能快。
从讨论的参与者来来看,多是在academic,也证实了公司职位还不多
avatar
n*7
100
等大家都觉得不错的时候,恐怕您又会觉得蛋糕都分完了,不能再进入了吧

【在 v*******g 的大作中提到】
: 看了以上所有帖子,小结一下:
: Bioinformatics 这行离快速增长还是比较远,可能是在平均增长速度吧。
: 这一行还未看到工业化的迹象,所以增长不可能快。
: 从讨论的参与者来来看,多是在academic,也证实了公司职位还不多

avatar
V*b
101
这个美眉说的在理,给你的形象打8分。
讲讲我要辅修个biostatistics,主要是你说的数据分析,应该从什么地方入手,需要
多长时间,哪几门课是核心的。我是搞实验的,有时产生很多数据,比如基因表达分析
,临床数据分析,不会处理,和别人合作,也不是很懂具体是怎么操作的,打算学几门
课,或者顺手拿个master也行。我们学校报销我的学费,哈哈,>$2000一门课呢。

【在 e*****t 的大作中提到】
: 对bioinfo没信心的人,是根本不懂bioinfo在做什么。bioinfo主要有两大类:建模和
: 数据分析。
: 很多人说bioinfo没用,主要是说在建模方面,modeling本来就是很fancy的东西,不光
: 在bio,金融,物理。。。都有很多不确定的东西,预测性有时侯不是很好。但随着数
: 据量的增大,model越来月接近reality。
: 数据分析就不用说了,统计,编成,数据库。。。
: 还有做纯IT support的。这个不属于science范畴了。

avatar
c*r
102
牛人,竟然用word。如果你的数据有100M大,你光打开都得半天吧,晕。

you

【在 K****n 的大作中提到】
: I usually use Microsoft Word to do this kind of jobs.
: Open file -> Ctrl+H (Replace) -> Replace """ with ""
: A very good practice for all bioinfo guys is to learn Office as much as you
: can. Your neighbor's case is a very good example.
:
: variable

avatar
c*r
103
楼上几个说用其它程序打开文本并编辑的,忽略了两个事实:
1. 有的数据非常大,用office之类打开非常慢,简单的替换操作可能都用很久来执行;
2. 有的数据用一般的文本编辑器打不开,只能通过配套软件或自己写的程序来读。
然而文件处理不仅仅是单词替换,其他如归类,排序,比较,写入不同格式等,使用编
程语言可以批量化操作,而用文本编辑器则是单次化操作,费时又费力。
avatar
c*r
104
唯生物独尊的人,拒绝学习其他领域传来的技术和知识,首先不是善于学习的人,其次
在当今生物技术与交叉学科蓬勃发展大潮中逐渐落伍。另一方面,做生物信息的人,如
果没有对生物深刻的了解,也只能是在数学的小圈子里自娱自乐,永远也不会在解决生
物问题上有大的发展。所以,互相学习,完善知识结构和必要的技能,才能在生物信息
乃至生物领域作出踏实有效的工作。
我观察到一个很有趣的现象。为数学/物理/计算机背景出身的学生所设立的生物课,大
家都踊跃参加;反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比
一次少。其实两者在难度上都属于入门课,但后者的现象说明什么?
1. 生物->数据分析/编程的门槛高,学不会?
2. 生物背景的学生不肯学?
这一点是不是和理科生学文科的东西更容易而反之就比较难的道理是一样的?
其实只要肯学,任何东西都不难。
我国内本科那叫一个苦,要学数学/物理/电子/计算机/生物/化学,有时还用国外英文
教材,能做电子锁/传感器,也在生物实验室做过一年的benchwork,不是一样挺过来了
。BME专业虽然学得杂,但学到的知识很广,视野也宽,知道交叉学科的优势-正如现
在的生物学科。曾经抱怨学了很多以后用不上的东西,但现在觉得,年轻时多学点东西
绝对不是坏处。
avatar
y*i
105
我是做bioinfor的同学。。。。

你想说什么?这些东西现在必须让bioinfor的人做,还是做生物的自己就能用了?
呵呵呵。。。。。这么惊人的预言。。。。
我说的是,在实用的bioinfor手段中,这是一大块。
lab

【在 e*****t 的大作中提到】
: 这位老兄估计还是在那种一个gene,一个蛋白做到死的实验室。
: 那就请你不要用genome browser,不用blast,不要用bioinfo任何软件设计引物。
: 从你能知道t-test和PCA这两个名词来看,你估计是在某个seminar上听说过人家谈论
: microarray的分析。很不幸的告诉你,microarray即将被淘汰了。
: 还有,看到这个:“t-test/PCA可以说是一大块了。。。。”,我强烈呼吁千老们要积
: 极起来,多学习学习了,井底之蛙太可怕。
: 我见过很多做bioinfo的人,不论是生物出身还是别的,对生物的理解丝毫不比wet lab
: 的差。相反,做bench的,很多人队bench以外知识了解的太少太少,可能是千老们压力
: 大,没有时间学别的。
: 我们系曾经邀请一个在genetics top级的牛人做报告,有个学生问他怎样才能在学术界

avatar
y*i
106
ft,这个还值得吹。。。。。

variable

【在 e*****t 的大作中提到】
: 哈哈,举个搞笑的例子,我知道隔壁实验室有个人想把一个大dataset中某个variable
: 的每个值的引号去掉。那个raw data有几千行,其实真的不算很大dataset。他不会编
: 程,基本没辙。其实几行code就能搞定。
: 同学们,data analysis真的不是一两句话能说的清楚的。你能告诉我,哪个软件能帮
: 你把那些引号去掉?呵呵。开个玩笑。

avatar
y*i
107
发现人家是行家了,呵呵呵。。。。

【在 e*****t 的大作中提到】
: 哎,我是开个玩笑问你,ctrl+H怎么弄。你到认真起来了,呵呵。
avatar
d*r
108
The problem of BME as a PhD program is the training is not systematic on
any one direction. So in reality, most BME PhD students learned a
little bit of almost every area of science and engineering. Although
the problem solving skills are trained extensively in practice
connecting any engineering tools with biology, I still think this
connection should be done in the period of last 1-2 years of PhD, or
postdoc, or even faculty period.

The reason is two folds:
1. recent progress of this area still rely so much on solid
understanding of any one of the traditional science/engineering
direction. For example, in tissue engineering, you can accredit most of
the contributions to chemical engineering, or specifically, process
engineering, surface chemistry, transport, materials, etc; it's the
similar case in microfluidics area if you added in mechanical control
electronics.
2. if you want to get into industry, the problem is more serious. Large
companies only recruit fresh graduates with very specific skillset.
This is why Merck would like to rather recruit chemical engineering or
computer science PhD graduates to work on bio-related staff. In
compannies, at the junior level, if you are not strong in a very
specific skill set, it will be problematic. For startups, it would be a
little different, but you still need to have a specific innovation to
break into the market, not only just connecting the two area.
As to "为数学/物理/计算机背景出身的学生所设立的生物课,大家都踊跃参加;反之
,为生物背景
的学生设的简单数据分析+编程课,参加的人一次比一次少". The reason is simple,
when
you trained as math/physics/computer science, you will know exactly what
you can contribute to this field after you learn some biology. If you
failed after some practice, you can still go back and find a good job in
companies, but not vise versa...biology is still very descriptive.

【在 c****r 的大作中提到】
: 唯生物独尊的人,拒绝学习其他领域传来的技术和知识,首先不是善于学习的人,其次
: 在当今生物技术与交叉学科蓬勃发展大潮中逐渐落伍。另一方面,做生物信息的人,如
: 果没有对生物深刻的了解,也只能是在数学的小圈子里自娱自乐,永远也不会在解决生
: 物问题上有大的发展。所以,互相学习,完善知识结构和必要的技能,才能在生物信息
: 乃至生物领域作出踏实有效的工作。
: 我观察到一个很有趣的现象。为数学/物理/计算机背景出身的学生所设立的生物课,大
: 家都踊跃参加;反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比
: 一次少。其实两者在难度上都属于入门课,但后者的现象说明什么?
: 1. 生物->数据分析/编程的门槛高,学不会?
: 2. 生物背景的学生不肯学?

avatar
d*r
109
I think KeeVan is becoming humorous recently..

【在 y***i 的大作中提到】
: 发现人家是行家了,呵呵呵。。。。
avatar
e*t
110
from what you said, it's hard to believe you are bioinfo major.

【在 y***i 的大作中提到】
: 发现人家是行家了,呵呵呵。。。。
avatar
c*r
111
说BME学得多而不精,这一点我不同意。数学上我们学数学分析而不是一般的高等数学
,也得学复变函数/统计与概率/随机过程/数值分析/线性代数/工程矩阵等,物理上我
们学普通物理,也得学电磁场和波动理论、近代物理等涉及复杂代数的课,电子上那就
更丰富了,数电、模电、高频、仪器、数字信号处理等,至于计算机则学习C、C++,汇
编、VHDL、算法、软件工程等;生物医学方面,普通生物、生化、遗传、生物材料、人
体解剖、影像学等,化学则得学无机、有机。这些课程,既有深度又有广度。实际上,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本领。
与之形成鲜明对比的是,很多纯生物专业的学生,即便课本上学过各种生物分支,实际
科研中可能只能说的上来现在从事的极小极窄领域里的知识。做代谢的不懂蛋白,做蛋
白的不懂代谢,做遗传的对遗传之外的都模棱两可,我见过的太多了。说实话,这些人
的生物知识可能还不如一个数理出身做进化或组学数据分析的懂得多呢。

【在 d*****r 的大作中提到】
: The problem of BME as a PhD program is the training is not systematic on
: any one direction. So in reality, most BME PhD students learned a
: little bit of almost every area of science and engineering. Although
: the problem solving skills are trained extensively in practice
: connecting any engineering tools with biology, I still think this
: connection should be done in the period of last 1-2 years of PhD, or
: postdoc, or even faculty period.
:
: The reason is two folds:
: 1. recent progress of this area still rely so much on solid

avatar
y*i
112

,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,
更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本
领。
ft,呵呵呵。。。。。

【在 c****r 的大作中提到】
: 说BME学得多而不精,这一点我不同意。数学上我们学数学分析而不是一般的高等数学
: ,也得学复变函数/统计与概率/随机过程/数值分析/线性代数/工程矩阵等,物理上我
: 们学普通物理,也得学电磁场和波动理论、近代物理等涉及复杂代数的课,电子上那就
: 更丰富了,数电、模电、高频、仪器、数字信号处理等,至于计算机则学习C、C++,汇
: 编、VHDL、算法、软件工程等;生物医学方面,普通生物、生化、遗传、生物材料、人
: 体解剖、影像学等,化学则得学无机、有机。这些课程,既有深度又有广度。实际上,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本领。
: 与之形成鲜明对比的是,很多纯生物专业的学生,即便课本上学过各种生物分支,实际
: 科研中可能只能说的上来现在从事的极小极窄领域里的知识。做代谢的不懂蛋白,做蛋
: 白的不懂代谢,做遗传的对遗传之外的都模棱两可,我见过的太多了。说实话,这些人
: 的生物知识可能还不如一个数理出身做进化或组学数据分析的懂得多呢。

avatar
d*r
113
I agree BME could be a good undergrad major, but not a good PhD major.
Biology is never a good undergrad major, but it also depends on which
school, in some schools, I think biology major is trained in BME way. A
good example is Misha Mahowald, she was a biology undergrad major in
Caltech, but became one of the most innovative engineers in the world:
http://www.witi.com/center/witimuseum/halloffame/1996/mmahowald.php
Actually, her PhD thesis has led the creation of a whole new field and a
new CNS department in Caltech. I think her work is at the deepest level
of integrating biology and engineering, and the true "BME" in my
heart. Hadn't she died too early, we would have some major progress on
the fundamental principle of brain micro-circuitry and computation
architecture.

,学会以上这
些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,更容易成为全
才而不是专
才。大学除了传授给你知识以外,更重要的是教会你学习的本领。

【在 c****r 的大作中提到】
: 说BME学得多而不精,这一点我不同意。数学上我们学数学分析而不是一般的高等数学
: ,也得学复变函数/统计与概率/随机过程/数值分析/线性代数/工程矩阵等,物理上我
: 们学普通物理,也得学电磁场和波动理论、近代物理等涉及复杂代数的课,电子上那就
: 更丰富了,数电、模电、高频、仪器、数字信号处理等,至于计算机则学习C、C++,汇
: 编、VHDL、算法、软件工程等;生物医学方面,普通生物、生化、遗传、生物材料、人
: 体解剖、影像学等,化学则得学无机、有机。这些课程,既有深度又有广度。实际上,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本领。
: 与之形成鲜明对比的是,很多纯生物专业的学生,即便课本上学过各种生物分支,实际
: 科研中可能只能说的上来现在从事的极小极窄领域里的知识。做代谢的不懂蛋白,做蛋
: 白的不懂代谢,做遗传的对遗传之外的都模棱两可,我见过的太多了。说实话,这些人
: 的生物知识可能还不如一个数理出身做进化或组学数据分析的懂得多呢。

avatar
n*7
114
用vi之类好很多 上G都ok 还有只载入当前行的浏览器

【在 c****r 的大作中提到】
: 牛人,竟然用word。如果你的数据有100M大,你光打开都得半天吧,晕。
:
: you

avatar
n*7
115
你这就是吹毛求疵了 谁说只用编辑器了?

行;

【在 c****r 的大作中提到】
: 楼上几个说用其它程序打开文本并编辑的,忽略了两个事实:
: 1. 有的数据非常大,用office之类打开非常慢,简单的替换操作可能都用很久来执行;
: 2. 有的数据用一般的文本编辑器打不开,只能通过配套软件或自己写的程序来读。
: 然而文件处理不仅仅是单词替换,其他如归类,排序,比较,写入不同格式等,使用编
: 程语言可以批量化操作,而用文本编辑器则是单次化操作,费时又费力。

avatar
n*7
116
这不惊人,也不是预言。真不觉得你是做bioinfo的

呵呵呵。。。。。这么惊人的预言。。。。

【在 y***i 的大作中提到】
:
: ,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,
: 更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本
: 领。
: ft,呵呵呵。。。。。

avatar
n*7
117
这不惊人,也不是预言。真不觉得你是做bioinfo的

呵呵呵。。。。。这么惊人的预言。。。。

【在 y***i 的大作中提到】
:
: ,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,
: 更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本
: 领。
: ft,呵呵呵。。。。。

avatar
t*d
118
兄弟们这种问题的时候,想得远一些、广一些。别局限与过去的经验和目前的现状。讨
论讨论生物医药行业的前景; 想想bioinfo 在这里面可以分多少羹。NGS 会给这个行业
带来什么?proteomics 是不是在在3、5年内会成熟起来?了解了这些,就可以大概估
计未来的 bioinfo 可以养活多少人了。在看看这两年 bioinfo 招生的趋势。大概可以
估计日后的就业市场会不会太拥挤。
瞎说一句,未来的 bioinfo 需要的最缺的可能不是 phd,而是master,懂得用适当的
工具做适当的事的人。和现在的 biostatics 类似。
avatar
K*n
119
She said there were only several thousand lines. Please don't be so serious.
.. are we really going to discuss this??

【在 c****r 的大作中提到】
: 牛人,竟然用word。如果你的数据有100M大,你光打开都得半天吧,晕。
:
: you

avatar
K*n
120
lol
okay i learned something today

行;

【在 c****r 的大作中提到】
: 楼上几个说用其它程序打开文本并编辑的,忽略了两个事实:
: 1. 有的数据非常大,用office之类打开非常慢,简单的替换操作可能都用很久来执行;
: 2. 有的数据用一般的文本编辑器打不开,只能通过配套软件或自己写的程序来读。
: 然而文件处理不仅仅是单词替换,其他如归类,排序,比较,写入不同格式等,使用编
: 程语言可以批量化操作,而用文本编辑器则是单次化操作,费时又费力。

avatar
K*n
121
haha

【在 d*****r 的大作中提到】
: I think KeeVan is becoming humorous recently..
avatar
e*t
122
the situation is ms in biostat get hard time to find a job, while phds are
okay.

【在 t*d 的大作中提到】
: 兄弟们这种问题的时候,想得远一些、广一些。别局限与过去的经验和目前的现状。讨
: 论讨论生物医药行业的前景; 想想bioinfo 在这里面可以分多少羹。NGS 会给这个行业
: 带来什么?proteomics 是不是在在3、5年内会成熟起来?了解了这些,就可以大概估
: 计未来的 bioinfo 可以养活多少人了。在看看这两年 bioinfo 招生的趋势。大概可以
: 估计日后的就业市场会不会太拥挤。
: 瞎说一句,未来的 bioinfo 需要的最缺的可能不是 phd,而是master,懂得用适当的
: 工具做适当的事的人。和现在的 biostatics 类似。

avatar
e*t
123
i tried to tease you guys. u guys take it as a serious question.

serious.

【在 K****n 的大作中提到】
: She said there were only several thousand lines. Please don't be so serious.
: .. are we really going to discuss this??

avatar
K*n
124
never. but if I looked like serious to you, i won, haha

【在 e*****t 的大作中提到】
: i tried to tease you guys. u guys take it as a serious question.
:
: serious.

avatar
d*r
125
I think that's because most of the bioinfo jobs are still academic-
oriented or require extensive research experience.
good or bad, that means bioinfo hasn't been commercialized enough as IT,
and job duty was not divided enough.

are

【在 e*****t 的大作中提到】
: the situation is ms in biostat get hard time to find a job, while phds are
: okay.

avatar
d*r
126
right, I think you are the most non-serious one, :)

【在 K****n 的大作中提到】
: never. but if I looked like serious to you, i won, haha
avatar
L*r
127
基本牛彪。
avatar
c*e
128

lab
兄弟,一个gene,一个蛋白能做出有用的东西是很牛的。
我做的一个蛋白跑到DNA沟里了,请教哪里有学NGS CHIP Seq 分析的
我有数据,没法分析。任何人教我,我付咨询费。

【在 e*****t 的大作中提到】
: 这位老兄估计还是在那种一个gene,一个蛋白做到死的实验室。
: 那就请你不要用genome browser,不用blast,不要用bioinfo任何软件设计引物。
: 从你能知道t-test和PCA这两个名词来看,你估计是在某个seminar上听说过人家谈论
: microarray的分析。很不幸的告诉你,microarray即将被淘汰了。
: 还有,看到这个:“t-test/PCA可以说是一大块了。。。。”,我强烈呼吁千老们要积
: 极起来,多学习学习了,井底之蛙太可怕。
: 我见过很多做bioinfo的人,不论是生物出身还是别的,对生物的理解丝毫不比wet lab
: 的差。相反,做bench的,很多人队bench以外知识了解的太少太少,可能是千老们压力
: 大,没有时间学别的。
: 我们系曾经邀请一个在genetics top级的牛人做报告,有个学生问他怎样才能在学术界

avatar
e*t
129
你都快转业了,还这么努力干嘛?
Chip-Seq有专门的软件。
看看这个:
http://biogibbs.stanford.edu/~jihk/CisGenome/index_files/tutorial_chipseq.htm
如果真的付钱的话,我想很多人愿意帮你做,包括我在内。呵呵

【在 c********e 的大作中提到】
:
: lab
: 兄弟,一个gene,一个蛋白能做出有用的东西是很牛的。
: 我做的一个蛋白跑到DNA沟里了,请教哪里有学NGS CHIP Seq 分析的
: 我有数据,没法分析。任何人教我,我付咨询费。

avatar
c*e
130

http://biogibbs.stanford.edu/~jihk/CisGenome/index_files/tutorial_chips
eq.htm
谢谢回复。
如果真的付钱的话,我想很多人愿意帮你做,包括我在内。呵呵
如果拿到grant,肯定送你咨询费。再请教哪个Transcription Factor binding Site
Search Tool 最好用。免费的最好。
用啥取代 microarray ?NGS?

【在 e*****t 的大作中提到】
: 你都快转业了,还这么努力干嘛?
: Chip-Seq有专门的软件。
: 看看这个:
: http://biogibbs.stanford.edu/~jihk/CisGenome/index_files/tutorial_chipseq.htm
: 如果真的付钱的话,我想很多人愿意帮你做,包括我在内。呵呵

avatar
M*9
131
作梦呢吧。。您真知道还是假知道啊?

【在 b****r 的大作中提到】
: bioinfor还没开始扩展呢,怎么个爆炸增长。有人说都最近一年位置还降了15%,并不
: 适合你那个model。我看好的是今后五年到十年的发展。
: 而且我说的是我们遗传领域。我们系里招分析next gen Seq的faculty都快两年了也没
: 招到人。边上一个系里最近招的一个做bioinfo的AP,非牛校fresh PHD,两三片2,3分
: 的文章。你要放生物的其他领域,这个可能性不大吧。现在next gen的数据才刚刚开始
: 出来,楼主几年training出来,差不多就是位置大膨胀的时候。拿到AP位置,谁还管得
: 了几十年以后
: Again,除非不做生物,做生物,目前最好就是bioinfor,明白?

avatar
w*y
132
任何人都有权声称它是做bioinfo的,
这是现实, hehe

【在 e*****t 的大作中提到】
: from what you said, it's hard to believe you are bioinfo major.
avatar
M*9
133
哈哈, 俺也这么觉得。

【在 y***i 的大作中提到】
:
: ,学会以上这些课程,足可以让一个BME的本科生可以比较轻松的自学其他相关知识,
: 更容易成为全才而不是专才。大学除了传授给你知识以外,更重要的是教会你学习的本
: 领。
: ft,呵呵呵。。。。。

avatar
d*o
134
Survival analysis is biostat ba...

diabetes

【在 e*****t 的大作中提到】
: 任何有现代生物学概念的人,也不会认为bioinfo会萎缩。
: 很多东西是有软件用,不需要编程技巧。但是编程永远是高于软件使用,因为编程有很
: 高的flexibility.
: 就拿你说的qtl为例。我们实验室有一堆以前做的phenotype and genotype,做diabetes
: qtl mapping. 但是这个phenotype有一些特别,不是正态分布.linkage study中,主
: 要都是linear model来建立模型,都要求phenotype是或者接近于正态分布。这个数据
: 是right-censored,属于survival studies.目前还没有任何软件可以做semi-
: parametric survival studies in qtl mapping. 我们实验室的人都没辙了,我们老板
: 就招了我。其实也不难,就是用R 的一个package,轻松搞定.
: 生物技术在evovle,数据复杂度也在evolve

avatar
A*e
135
真正学生物的人,从来不敢唯生物独尊。任何一个学生物的人,在大学里都花了很多时
间学物理和化学。生物学发展到现在,做生物的对本行业的知识更新速度有切身体会,
keep learning.否则极快跟不上,做生物的,除了bench work,还要阅读大量文献。学
一些infomatics,对现在的生物而言,也是必须的。我每天都会用到你们bioinfo的工
具和软件。实际上,做bench work的,并不是你说的懒于学习,做生物的,若与懒字有
半点关系,基本没戏了。做生物的,大都有phd,我不认为这些人的智商低于你们做
informatics的。
为数学/物理/计算机背景出身的学生所设立的生物课,大
家都踊跃参加, 这是因为你们会学到非常interesting的东西;
反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比
一次少, 这是因为这些课程无用,boring,学了也不能解决做bench work所产生数据
分析问题,简单告诉你,bench work所产生数据形式千差万别,这是生物这一学科的特
点,并不是一两门简单的课程所能解决的。曾有做纯informatics的办phylogenetics培
训,让我去听,你说我会去吗。 对我而言,google是我最大的老师。
我不反对交叉学科,生物从来就是一个交叉学科。即使你们infomatics,也是交叉学科
,是随着物理学和数学的发展而发展起来的 ,对吧。我的观点是bioinfo,实际是一个
工具,平台,用以辅助解决biology问题,其本身并不能解决biology问题,所以它有用
处,也有成就,但是有限。如果你说你可以在你的computer前面做informatics分析,
解决了一些重大生物学问题,找到对一些重大疾病的治疗方法,解决了包括医药卫生遗
传粮食安全等问题,或者有这方面的前景,那就可以说将来这个行业会爆炸。曾经与一
个institute的director讨论过这个问题,哪个institute有几十个lab,最近刚招了一
个bioinfo lab。他说我衡量你的工作的标准就是看那些lab在paper里对你们进行了致
谢。
楼上有说microarray不行了,能否细说?

【在 c****r 的大作中提到】
: 唯生物独尊的人,拒绝学习其他领域传来的技术和知识,首先不是善于学习的人,其次
: 在当今生物技术与交叉学科蓬勃发展大潮中逐渐落伍。另一方面,做生物信息的人,如
: 果没有对生物深刻的了解,也只能是在数学的小圈子里自娱自乐,永远也不会在解决生
: 物问题上有大的发展。所以,互相学习,完善知识结构和必要的技能,才能在生物信息
: 乃至生物领域作出踏实有效的工作。
: 我观察到一个很有趣的现象。为数学/物理/计算机背景出身的学生所设立的生物课,大
: 家都踊跃参加;反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比
: 一次少。其实两者在难度上都属于入门课,但后者的现象说明什么?
: 1. 生物->数据分析/编程的门槛高,学不会?
: 2. 生物背景的学生不肯学?

avatar
h*n
136
well said.
其实问题就在这里. 我如果去学数据分析或者写程序的课, 对我帮助不大, 因为我不能
用在我的课题里面. 但如果要我学习足够的背景知识去理解合作者做的工作(biostat
or bioinfo), 临时学就可以了.
我觉得现在这个阶段吧, biostat最有用的是提供过去看不到/找不到的信息, 然后你可
以以此为突破点往下做.

【在 A*******e 的大作中提到】
: 真正学生物的人,从来不敢唯生物独尊。任何一个学生物的人,在大学里都花了很多时
: 间学物理和化学。生物学发展到现在,做生物的对本行业的知识更新速度有切身体会,
: keep learning.否则极快跟不上,做生物的,除了bench work,还要阅读大量文献。学
: 一些infomatics,对现在的生物而言,也是必须的。我每天都会用到你们bioinfo的工
: 具和软件。实际上,做bench work的,并不是你说的懒于学习,做生物的,若与懒字有
: 半点关系,基本没戏了。做生物的,大都有phd,我不认为这些人的智商低于你们做
: informatics的。
: 为数学/物理/计算机背景出身的学生所设立的生物课,大
: 家都踊跃参加, 这是因为你们会学到非常interesting的东西;
: 反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比

avatar
h*3
137
一直分不清bioinformatics和biostat的一些分支,例如statistical genetics的区别
。 主要差别是什么?
avatar
y*i
138
楼上有说microarray不行了,能否细说
google了一下 'replace microarray',估计说的是next generation seq. 估计没什么
戏。

其次
,如
决生
信息
,大
次比

【在 A*******e 的大作中提到】
: 真正学生物的人,从来不敢唯生物独尊。任何一个学生物的人,在大学里都花了很多时
: 间学物理和化学。生物学发展到现在,做生物的对本行业的知识更新速度有切身体会,
: keep learning.否则极快跟不上,做生物的,除了bench work,还要阅读大量文献。学
: 一些infomatics,对现在的生物而言,也是必须的。我每天都会用到你们bioinfo的工
: 具和软件。实际上,做bench work的,并不是你说的懒于学习,做生物的,若与懒字有
: 半点关系,基本没戏了。做生物的,大都有phd,我不认为这些人的智商低于你们做
: informatics的。
: 为数学/物理/计算机背景出身的学生所设立的生物课,大
: 家都踊跃参加, 这是因为你们会学到非常interesting的东西;
: 反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比

avatar
s*s
139
什么叫估计没什么戏,现在有能力转seq的都转了,microarry的data实在
太差了。当然商业的Chip还是仍然发展,价格便宜,使用方便,速度快,
seq至少还要有个三五年才能赶上

【在 y***i 的大作中提到】
: 楼上有说microarray不行了,能否细说
: google了一下 'replace microarray',估计说的是next generation seq. 估计没什么
: 戏。
:
: 其次
: ,如
: 决生
: 信息
: ,大
: 次比

avatar
y*i
140
NGS我的确还没接触,你说说看NGS比microarray有什么好处?
google了一下,这篇文章说对于intensity measurement 数据质量两者一样。
http://www.ncbi.nlm.nih.gov/pubmed/19435513

什么

【在 s******s 的大作中提到】
: 什么叫估计没什么戏,现在有能力转seq的都转了,microarry的data实在
: 太差了。当然商业的Chip还是仍然发展,价格便宜,使用方便,速度快,
: seq至少还要有个三五年才能赶上

avatar
n*7
141
microarray除了价格便宜,没什么好处了
我周围做bench的和计算的都这么认为
again, 我很难相信你是做bioinfo的,难道是做structure的??

【在 y***i 的大作中提到】
: NGS我的确还没接触,你说说看NGS比microarray有什么好处?
: google了一下,这篇文章说对于intensity measurement 数据质量两者一样。
: http://www.ncbi.nlm.nih.gov/pubmed/19435513
:
: 什么

avatar
s*s
142
不说作者说的有没有道理,他找了一个所谓当时同成本的NGS比较。
要知道,虽然Chip也在提高密度,但和NGS的发展速度完全不能比。
microarry做transcription研究从质量上全面落后,价格上也好不
到哪里去;当然,做genome里面比如SNP/CNV还是有很大价格优势,
不过NGS这个发展速度完全打破摩尔law, 超过array也就是几年的问题

【在 y***i 的大作中提到】
: NGS我的确还没接触,你说说看NGS比microarray有什么好处?
: google了一下,这篇文章说对于intensity measurement 数据质量两者一样。
: http://www.ncbi.nlm.nih.gov/pubmed/19435513
:
: 什么

avatar
y*i
143
intensity measurement是表达最重要的数据。两者的质量是一样的,价格差了那么
多,那还有什么说的。当然选microarray。
Seqence当然有他的重要性。但测量表达方面要替代microarray---质量一样价格
数倍。。。。

【在 n******7 的大作中提到】
: microarray除了价格便宜,没什么好处了
: 我周围做bench的和计算的都这么认为
: again, 我很难相信你是做bioinfo的,难道是做structure的??

avatar
s*s
144
你也太落伍了。你做array以后有没有试过validate?做过一边就知道了,
许多RT-PCR一看就不对。Seq几乎是完全validated, 10个和20个就是不一样

【在 y***i 的大作中提到】
: intensity measurement是表达最重要的数据。两者的质量是一样的,价格差了那么
: 多,那还有什么说的。当然选microarray。
: Seqence当然有他的重要性。但测量表达方面要替代microarray---质量一样价格
: 数倍。。。。

avatar
y*i
145
I see。。。。多谢多谢!!要学新东西了。以前做postdoc的地方,公司和illumina
一起发展NGS,不过没功夫学。要多听些seminar了。太孤陋寡闻。

【在 s******s 的大作中提到】
: 不说作者说的有没有道理,他找了一个所谓当时同成本的NGS比较。
: 要知道,虽然Chip也在提高密度,但和NGS的发展速度完全不能比。
: microarry做transcription研究从质量上全面落后,价格上也好不
: 到哪里去;当然,做genome里面比如SNP/CNV还是有很大价格优势,
: 不过NGS这个发展速度完全打破摩尔law, 超过array也就是几年的问题

avatar
s*s
146
这篇paper的意思就是,比汽车快还是飞机快,只给50块油钱,
飞机还要登机、降落,比较结果汽车飞机一样块

【在 y***i 的大作中提到】
: I see。。。。多谢多谢!!要学新东西了。以前做postdoc的地方,公司和illumina
: 一起发展NGS,不过没功夫学。要多听些seminar了。太孤陋寡闻。

avatar
y*i
147
你的意思是intensity measurement准确得多?需要的RNA的量是多少?

那么
价格

【在 s******s 的大作中提到】
: 你也太落伍了。你做array以后有没有试过validate?做过一边就知道了,
: 许多RT-PCR一看就不对。Seq几乎是完全validated, 10个和20个就是不一样

avatar
n*7
148
CNV我最近在做,刚处理了一下1000genome的数据。别的不说,NGS分辨率是1bp,
microarray根本
不能比

【在 s******s 的大作中提到】
: 不说作者说的有没有道理,他找了一个所谓当时同成本的NGS比较。
: 要知道,虽然Chip也在提高密度,但和NGS的发展速度完全不能比。
: microarry做transcription研究从质量上全面落后,价格上也好不
: 到哪里去;当然,做genome里面比如SNP/CNV还是有很大价格优势,
: 不过NGS这个发展速度完全打破摩尔law, 超过array也就是几年的问题

avatar
y*i
149
CNV质量比array如何?分辨率倒不是最重要的尺度。array的分辨率其实也够用了。

【在 n******7 的大作中提到】
: CNV我最近在做,刚处理了一下1000genome的数据。别的不说,NGS分辨率是1bp,
: microarray根本
: 不能比

avatar
n*7
150
CNV分析我刚接触,不知道怎么比较sequencing和microarray检测出来的质量,
1000genome的文
章有详细的方法叙述,感兴趣可以看看
分辨率对我们来说很重要,因为我们需要精确的知道break point。 microarray的分辨
率是500左
右,比很多exon都大了。。。

【在 y***i 的大作中提到】
: CNV质量比array如何?分辨率倒不是最重要的尺度。array的分辨率其实也够用了。
avatar
y*i
151
sequence结果对断点的确信度高么?要是对断点的确信度很高的话,很有可能
sequencing的信号好得多。microarray因为不能测断点,所以信号的提高就靠断点两边
的signal intensity的变化,通过大量probe平均来提高信躁比。遇到signal
intensity质量差的sample,比如colon sample (RNA量低,质量差,断点多,signal/
noise ratio 低),那数据简直象恶梦。一哥们满怀希望的把花了大价钱做出的一大堆
data给我,那data看了简直要掉眼泪。
不过lung sample之类就好得多。可以有很可靠的CNV数据。不是说绝对值可靠,但确
定CN有明显变化的区段很可靠。

了。

【在 n******7 的大作中提到】
: CNV分析我刚接触,不知道怎么比较sequencing和microarray检测出来的质量,
: 1000genome的文
: 章有详细的方法叙述,感兴趣可以看看
: 分辨率对我们来说很重要,因为我们需要精确的知道break point。 microarray的分辨
: 率是500左
: 右,比很多exon都大了。。。

avatar
n*7
152
我二boss做CNV的,他让我直接用这里面的断点分析
microarray data,我们对可能的CNV都要verify一下,pcr跑胶,sanger测序

signal/

【在 y***i 的大作中提到】
: sequence结果对断点的确信度高么?要是对断点的确信度很高的话,很有可能
: sequencing的信号好得多。microarray因为不能测断点,所以信号的提高就靠断点两边
: 的signal intensity的变化,通过大量probe平均来提高信躁比。遇到signal
: intensity质量差的sample,比如colon sample (RNA量低,质量差,断点多,signal/
: noise ratio 低),那数据简直象恶梦。一哥们满怀希望的把花了大价钱做出的一大堆
: data给我,那data看了简直要掉眼泪。
: 不过lung sample之类就好得多。可以有很可靠的CNV数据。不是说绝对值可靠,但确
: 定CN有明显变化的区段很可靠。
:
: 了。

avatar
y*i
153
看来下个阶段就学NGS了。多谢各位!这个提醒太重要了!

两边
大堆
但确

【在 n******7 的大作中提到】
: 我二boss做CNV的,他让我直接用这里面的断点分析
: microarray data,我们对可能的CNV都要verify一下,pcr跑胶,sanger测序
:
: signal/

avatar
m*T
154
Array原来的优势主要体现在cost上,但现在这个优势越来越小。NGS比起array有不少
优势,如throughput,coverage等,但也还是biased(虽然比array好),主要还
是因为需要in vitro amplification的原因。从理论上讲,3rd gen应该是最好的,但
技术上还不太成熟,error rate高,throughput低等等。
NGS的一个主要的hurdle是这个贴子的主题--数据分析方面,所以从这个角度上来看,
接下去的几年内对这方面的人才要求应该是比较高的,不管是academia还是industry。
avatar
o*r
155
你们用啥软件分析CNV?

【在 n******7 的大作中提到】
: 我二boss做CNV的,他让我直接用这里面的断点分析
: microarray data,我们对可能的CNV都要verify一下,pcr跑胶,sanger测序
:
: signal/

avatar
T*n
156
做了几年的小破会计也知道啊。不就是 Excel 里面几个命令,或者存储别的格式文件
折腾两遍就可以里。

variable

【在 e*****t 的大作中提到】
: 哈哈,举个搞笑的例子,我知道隔壁实验室有个人想把一个大dataset中某个variable
: 的每个值的引号去掉。那个raw data有几千行,其实真的不算很大dataset。他不会编
: 程,基本没辙。其实几行code就能搞定。
: 同学们,data analysis真的不是一两句话能说的清楚的。你能告诉我,哪个软件能帮
: 你把那些引号去掉?呵呵。开个玩笑。

avatar
n*7
157
你说从microarray data中鉴定cnv? 好像用ROMA的方法
不确定,因为我是分析cnv可能的功能影响的,而且我做cnv也是打酱油的

【在 o********r 的大作中提到】
: 你们用啥软件分析CNV?
avatar
n*7
158
你说从microarray data中鉴定cnv? 好像用ROMA的方法
不确定,因为我是分析cnv可能的功能影响的,而且我做cnv也是打酱油的

【在 o********r 的大作中提到】
: 你们用啥软件分析CNV?
avatar
y*a
159
Bioinfo is way more than statistical analysis/software-development and is a broad
discipline(structure,function,pathogenesis...)
Goal is to consolidate, correlate data & knowledge in a quantitative manner(
physicical/chemical principles,math models) for improved understanding and
new hypothesis generation. It is a critial component of bio nowadays,
because given the data complexity and diversity, manual operation and low-
dimension(e.g. pair-wise) interpretation is no longer effective.
Both bioinfo and bench evolve together via hypothesis-experiment test-new
hypothesis iterations. no point to argue who is superior who is doomed.
NGS opens a new door to "omics" era, it can do and do better all what array
can(genomic/transcriptomic/epigenomic), and go beyond. e.g. handle degraded
samples,sense-explicit profiling, digital yeast-2-hybrid... Our dept has a
hiseq2000 and there are just so many exciting projects we can do now.
Btw, anyone looking for NGS-oriented bioinfo research position(phd level) in pharma can
drop me a note. we have an opening.
avatar
Y*I
160
俺phd做array,工作后做NGS的。可以负责的告诉你NGS数据比array好太多。
另,做生物的不做medical的多了。不是每个都有array。从头做,更贵。
colon sample用NGS做不要好太多。现在低质量,低数量的RNA都可以得到很好的测序结
果。

signal/

【在 y***i 的大作中提到】
: 看来下个阶段就学NGS了。多谢各位!这个提醒太重要了!
:
: 两边
: 大堆
: 但确

avatar
y*i
161
Nice,同学们啊,看来NGS真的要替代 microarray了。
另外,NGS需要的RNA的量是多少?

【在 Y**I 的大作中提到】
: 俺phd做array,工作后做NGS的。可以负责的告诉你NGS数据比array好太多。
: 另,做生物的不做medical的多了。不是每个都有array。从头做,更贵。
: colon sample用NGS做不要好太多。现在低质量,低数量的RNA都可以得到很好的测序结
: 果。
:
: signal/

avatar
c*r
162
"反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比
一次少, 这是因为这些课程无用,boring,学了也不能解决做bench work所产生数据
分析问题,简单告诉你,bench work所产生数据形式千差万别,这是生物这一学科的特
点,并不是一两门简单的课程所能解决的。曾有做纯informatics的办phylogenetics培
训,让我去听,你说我会去吗。 对我而言,google是我最大的老师。"
搞笑,我见过生物出身会编程的也多的是,从做简单的进化树到做数据库,写算法的都
有。连入门课学都不会的人就不要找借口了。生物数据当然是千差万别,所以方法当然
也各不相同,但基本的数学和编程却是所有方法都需要的、互通的。因为所谓的“无用
”而拒绝学习,只不过是懒人的想当然而已。
“为数学/物理/计算机背景出身的学生所设立的生物课,大
家都踊跃参加, 这是因为你们会学到非常interesting的东西”
OK,“interesting”这个词用得好啊,生物是很interesting,但并不很attractive,
也不sexy。我们学习生物不是追求interesting,而是学习怎样和数学结合起来,比如
光合作用的光吸收部分应该采用什么模型,而代谢过程又该使用怎样的方程,多次测量
重复性不好时又该怎么进行数据处理等等。在这种学习-实践的过程中,逐渐增强对生
物数据的认识。反过来,某些做生物的人在用到时才去临时搜索,把不知道正确与否的
方法生搬硬套到自己数据里,只会用default的参数,却俨然自己也懂了生物信息而洋
洋得意,呵呵,呵呵。
“即使你们infomatics,也是交叉学科
,是随着物理学和数学的发展而发展起来的 ,对吧。”
很可惜,不对。informatics是数学+计算机。
“我的观点是bioinfo,实际是一个
工具,平台,用以辅助解决biology问题,其本身并不能解决biology问题,所以它有用
处,也有成就,但是有限。”
生物研究,从来都是交叉科学,从来都不是纯生物。从列文虎克的显微镜到现代的高通
量技术,生物研究的发展都直接或间接有其他学科的进步来推动着,pure biology只不
过是比较核心的内容罢了,但并不是可以只依靠自己进步的。那么是不是也可以说,纯
生物研究“有成就,但是有限”呢?
“对于一个job而言,或许bioinfo现在有一个好的market, 比做实验的有高的salary。
但对于一个行业而言,我并不认为这是一个还在扩展的行业,相反应该它的前途应该是
萎缩,因为我认为会有越来越多的人对bioinfo的认识会越来越真实,越来越实际,越来
越理性。”
好吧,看完了你的回帖,我终于明白了所谓的“真实,实际,理性”~~
无知者无畏,赞一下。
avatar
o*r
163
我指NGS的CNV分析,多数SNPArray都用CBS或者HMM

【在 n******7 的大作中提到】
: 你说从microarray data中鉴定cnv? 好像用ROMA的方法
: 不确定,因为我是分析cnv可能的功能影响的,而且我做cnv也是打酱油的

avatar
o*r
164
NGS在library construction阶段有amplification,不过也因此引入了GC bias之类的
问题

【在 y***i 的大作中提到】
: Nice,同学们啊,看来NGS真的要替代 microarray了。
: 另外,NGS需要的RNA的量是多少?

avatar
s*s
165
这个illumina的系统大概100ng, 10也可以,技术好的话1ng也够。
前面不怕麻烦做线性扩增的话,一个细胞也能做。

【在 y***i 的大作中提到】
: Nice,同学们啊,看来NGS真的要替代 microarray了。
: 另外,NGS需要的RNA的量是多少?

avatar
y*i
166
主要是所谓的线性扩增有多线性。我接到一组microarray数据,是从1~2ng用Nugen
kit扩增到3ug后做的array,惨不忍睹,显然扩增严重偏离线性。他们用5000 cell提的
RNA,已经不可能更多了。
illumina系统从1ng起也需要扩增吧?是不是也是需要扩到ug量级?

【在 s******s 的大作中提到】
: 这个illumina的系统大概100ng, 10也可以,技术好的话1ng也够。
: 前面不怕麻烦做线性扩增的话,一个细胞也能做。

avatar
B*t
167
有这样的生物学家实在是无语。生物从来是依靠其他学科才发展起来的,没有交叉学科
和技术手段的突破基本是没什么大成就。

【在 A*******e 的大作中提到】
: 真正学生物的人,从来不敢唯生物独尊。任何一个学生物的人,在大学里都花了很多时
: 间学物理和化学。生物学发展到现在,做生物的对本行业的知识更新速度有切身体会,
: keep learning.否则极快跟不上,做生物的,除了bench work,还要阅读大量文献。学
: 一些infomatics,对现在的生物而言,也是必须的。我每天都会用到你们bioinfo的工
: 具和软件。实际上,做bench work的,并不是你说的懒于学习,做生物的,若与懒字有
: 半点关系,基本没戏了。做生物的,大都有phd,我不认为这些人的智商低于你们做
: informatics的。
: 为数学/物理/计算机背景出身的学生所设立的生物课,大
: 家都踊跃参加, 这是因为你们会学到非常interesting的东西;
: 反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比

avatar
c*n
168

~~~~~~~~~~~~~~~~~~~~~~
this is an important question and a big question mark so far.
faithful or wishful thinking does not help answer it.
for the modeling part, ph.d. level knowledge would be necessary
for the information processing part, there are many CS/CE
masters who can do the job real quick...

【在 t*d 的大作中提到】
: 兄弟们这种问题的时候,想得远一些、广一些。别局限与过去的经验和目前的现状。讨
: 论讨论生物医药行业的前景; 想想bioinfo 在这里面可以分多少羹。NGS 会给这个行业
: 带来什么?proteomics 是不是在在3、5年内会成熟起来?了解了这些,就可以大概估
: 计未来的 bioinfo 可以养活多少人了。在看看这两年 bioinfo 招生的趋势。大概可以
: 估计日后的就业市场会不会太拥挤。
: 瞎说一句,未来的 bioinfo 需要的最缺的可能不是 phd,而是master,懂得用适当的
: 工具做适当的事的人。和现在的 biostatics 类似。

avatar
w*y
169
这话说的也过了
至少分子生物学基本是生物学家发展起来的
虽然几个重要的理论推测都是物理学家crick提出的

【在 B*******t 的大作中提到】
: 有这样的生物学家实在是无语。生物从来是依靠其他学科才发展起来的,没有交叉学科
: 和技术手段的突破基本是没什么大成就。

avatar
v*g
170
你是在 Industry 做的,在你找工作的时候,有没有感觉到工业界生物信息的工作还是
比其他行业的平均水平少?或者是比academy 的生物信息的工作少很多?

a broad
manner(
array

【在 y********a 的大作中提到】
: Bioinfo is way more than statistical analysis/software-development and is a broad
: discipline(structure,function,pathogenesis...)
: Goal is to consolidate, correlate data & knowledge in a quantitative manner(
: physicical/chemical principles,math models) for improved understanding and
: new hypothesis generation. It is a critial component of bio nowadays,
: because given the data complexity and diversity, manual operation and low-
: dimension(e.g. pair-wise) interpretation is no longer effective.
: Both bioinfo and bench evolve together via hypothesis-experiment test-new
: hypothesis iterations. no point to argue who is superior who is doomed.
: NGS opens a new door to "omics" era, it can do and do better all what array

avatar
m*T
171
我上面的贴子已经提到了,二代技术基本上都要in vitro amplification
,这是二代技术导致偏差的主要问题。三代从理论上讲不用扩增从而避免了这项,但目
前技术上还不够成熟,错误率太高而且throughput也低。

【在 y***i 的大作中提到】
: 主要是所谓的线性扩增有多线性。我接到一组microarray数据,是从1~2ng用Nugen
: kit扩增到3ug后做的array,惨不忍睹,显然扩增严重偏离线性。他们用5000 cell提的
: RNA,已经不可能更多了。
: illumina系统从1ng起也需要扩增吧?是不是也是需要扩到ug量级?

avatar
b*r
172
有理说理,最烦这种丢一句话就溜的家伙

【在 M*********9 的大作中提到】
: 作梦呢吧。。您真知道还是假知道啊?
avatar
s*s
173
三代的概念很不清啊。我明白你的意思,不过
很多三代一样要扩增。
btw,以前就算要研究是不是不够线性,能够比较
的还是RT-PCR吧?还是有其他什么统计学方法?现
在ms很多基于fish的单分子杂交技术方法都出来了,
直接数数总不会错了。

【在 m***T 的大作中提到】
: 我上面的贴子已经提到了,二代技术基本上都要in vitro amplification
: ,这是二代技术导致偏差的主要问题。三代从理论上讲不用扩增从而避免了这项,但目
: 前技术上还不够成熟,错误率太高而且throughput也低。

avatar
m*T
174
那你觉得谁该属于三代呢?

【在 s******s 的大作中提到】
: 三代的概念很不清啊。我明白你的意思,不过
: 很多三代一样要扩增。
: btw,以前就算要研究是不是不够线性,能够比较
: 的还是RT-PCR吧?还是有其他什么统计学方法?现
: 在ms很多基于fish的单分子杂交技术方法都出来了,
: 直接数数总不会错了。

avatar
P*n
175
看到某些人攻击bioinformatics是辅助啊无用啥的,真是怀疑是做生物的么?搞生物的
谁敢站出来说自己做的实验手段是是主导。计算模型只是众多模型中的一种,只是手段
而已。你说计算模型不准确,那你跟我举个aniaml或者cell line 的模型可以无误的模
拟疾病机制。那些可都是发展了多少年的了?你喜欢实验手段无可厚非,不要就说其他
手段是垃圾,太井底之蛙了。那些说系统生物学是个笑话的人,大概不是不懂生物系统
就是不懂计算模型。我不太建议学计算机的数学的人搞生物信息,除非真的很热爱生物
,很想解决生物难题,不然还是去模拟其他系统。搞生物出生而且逻辑思维远远强于动
手能力的,生物信息是个很好的选择,可以提出自己的假设,选择模型数据,在很短时
间内验证自己的想法,还可以找实验室帮助验证(注意,我没有说去雇几个国内廉价生
物博士,上面有些人好像说要雇佣国内廉价搞计算的,好像国内计算机工资不低吧) 。
至于生物信息前景,呵呵,这个目前比纯生物还是强很多,至于以后,还是那话,任何
专业都是发展的,跟不上节奏还是白搭。科学是建在技术发展的基础上,生物信息之所
以火在于与之相关的技术在飞速发展,这些技术我觉得10年20年内都不会停止发展。
avatar
o*r
176
其他都没啥大错,不过这一句有点理想主义:“还可以找实验室帮助验证”。呵呵,这
个可以算是bioinfo的bottleneck,目前bioinfo主要还在academia或者non-profit,想
找人validate你的结果基本都得求爷爷告奶奶,除非你的结果对他们也很有用。
当然这也是bioinfo paper上CNS和PLOS one间的硬件差别

【在 P******n 的大作中提到】
: 看到某些人攻击bioinformatics是辅助啊无用啥的,真是怀疑是做生物的么?搞生物的
: 谁敢站出来说自己做的实验手段是是主导。计算模型只是众多模型中的一种,只是手段
: 而已。你说计算模型不准确,那你跟我举个aniaml或者cell line 的模型可以无误的模
: 拟疾病机制。那些可都是发展了多少年的了?你喜欢实验手段无可厚非,不要就说其他
: 手段是垃圾,太井底之蛙了。那些说系统生物学是个笑话的人,大概不是不懂生物系统
: 就是不懂计算模型。我不太建议学计算机的数学的人搞生物信息,除非真的很热爱生物
: ,很想解决生物难题,不然还是去模拟其他系统。搞生物出生而且逻辑思维远远强于动
: 手能力的,生物信息是个很好的选择,可以提出自己的假设,选择模型数据,在很短时
: 间内验证自己的想法,还可以找实验室帮助验证(注意,我没有说去雇几个国内廉价生
: 物博士,上面有些人好像说要雇佣国内廉价搞计算的,好像国内计算机工资不低吧) 。

avatar
a*g
177
最屌的学科还是物理,靠自己就能混,当然 数学 还有现在的计算机还是需要的

【在 c****r 的大作中提到】
: "反之,为生物背景的学生设的简单数据分析+编程课,参加的人一次比
: 一次少, 这是因为这些课程无用,boring,学了也不能解决做bench work所产生数据
: 分析问题,简单告诉你,bench work所产生数据形式千差万别,这是生物这一学科的特
: 点,并不是一两门简单的课程所能解决的。曾有做纯informatics的办phylogenetics培
: 训,让我去听,你说我会去吗。 对我而言,google是我最大的老师。"
: 搞笑,我见过生物出身会编程的也多的是,从做简单的进化树到做数据库,写算法的都
: 有。连入门课学都不会的人就不要找借口了。生物数据当然是千差万别,所以方法当然
: 也各不相同,但基本的数学和编程却是所有方法都需要的、互通的。因为所谓的“无用
: ”而拒绝学习,只不过是懒人的想当然而已。
: “为数学/物理/计算机背景出身的学生所设立的生物课,大

avatar
y*i
178
搞生物谁敢站出来说自己做的实验手段是是主导。计算模型只是众多模型中的一种,只
是手段而已。
avatar
P*n
179
基本同意。不过这叫进可功退可守,攒些小文章也不错啊。我在industry,只听说做实
验的抱怨我们计算人手不够,哈没见要反过来求爷爷告奶奶的。

【在 o********r 的大作中提到】
: 其他都没啥大错,不过这一句有点理想主义:“还可以找实验室帮助验证”。呵呵,这
: 个可以算是bioinfo的bottleneck,目前bioinfo主要还在academia或者non-profit,想
: 找人validate你的结果基本都得求爷爷告奶奶,除非你的结果对他们也很有用。
: 当然这也是bioinfo paper上CNS和PLOS one间的硬件差别

avatar
P*n
180
那你说哪个pathway搞清楚了?Wnt pathway? cell cycle 还是metabolic?不要跟我说
你说的是bacterial里面的。为啥现在RNAi screen那么火?
懒得和你磨嘴皮子,你如果enjoy做试验的乐趣,觉得自己的方法是主导,那就抱着,
一遍遍做,挺好的。我觉得不停倒腾新数据,发现pattern,预测结果挺有趣,那咱么
各玩各得好了。千万不要觉得自己吃了很多苦就一定是主导。好的科学家懂得尊重每一
个科学工作者。

PI
cell

【在 y***i 的大作中提到】
: 搞生物谁敢站出来说自己做的实验手段是是主导。计算模型只是众多模型中的一种,只
: 是手段而已。

avatar
P*n
181
那你说哪个pathway搞清楚了?Wnt pathway? cell cycle 还是metabolic?不要跟我说
你说的是bacterial里面的。为啥现在RNAi screen那么火?
懒得和你磨嘴皮子,你如果enjoy做试验的乐趣,觉得自己的方法是主导,那就抱着,
一遍遍做,挺好的。我觉得不停倒腾新数据,发现pattern,预测结果挺有趣,那咱么
各玩各得好了。千万不要觉得自己吃了很多苦就一定是主导。好的科学家懂得尊重每一
个科学工作者。

PI
cell

【在 y***i 的大作中提到】
: 搞生物谁敢站出来说自己做的实验手段是是主导。计算模型只是众多模型中的一种,只
: 是手段而已。

avatar
P*n
182
发完帖子才去看了一下前面的帖子,发现你说你也是做bioinfo的,而且不明白NGS为什
么要替代Micoarray.同学,给点专业精神,你还是不要在别人面前说你是做bioinf的好
了,有时间多看paper吧。

PI
cell

【在 y***i 的大作中提到】
: 搞生物谁敢站出来说自己做的实验手段是是主导。计算模型只是众多模型中的一种,只
: 是手段而已。

avatar
P*n
183
bioinformatics 可以作为工具,但绝对不仅仅是工具,比如data mining这一方向,就
可以对生物系统进化,调控机制提出很多假设。这些假设不是做一两个小试验就可以发
现和论证的。你说的TFbinding的预测,的确准确率不高,很多计算模型的准确率都让
生物学家不满意,但是瓶颈往往在于现在的试验数据太片面,不准确,或者量太少,但
根据数据建立模型本身没有错误,如果认为这都不算科学,那就没有真正的科学了。如
何证明?预测结果有多准确就是对模型本身最好的验证,即使准确率现在还不高,但也
比抓阄或者一个一个的试强,这就是贡献,能够进一步缩短目标就是贡献。bioinf有没
有原创性?数据摆在那里,不同人能挖出不同东西,这就是水平和原创。

bioinfo

【在 A*******e 的大作中提到】
: 对于bioinfo的建模而言,不知诸位意见如何,我觉得就我所知的一些模型,例如一些
: 基因的表达调控的模型,基本没有太大的用处,准确性也非常低。比如有人用bioinfo
: 预测TF的结合位点,结果往往是一个joke.就目前而言,建模都是建立在实验生物学所
: 发现的一些基本原则之上,做一些拓展延伸。而作为一个做实验出身的人,无论什么时
: 候什么地方任何结论都要证据证明的,没有solid的evidence,就没有任何结论。而
: bioinfo对自己的模型如何证明?如何验证?曾有bioinfo问我为什么要做基因功能,基
: 因组都已经注释好了,让我无言。还有一个问题,bioinfo有没有原创性?
: 数据统计分析建库这块就不用说了,bioinfo做了很大贡献。个人觉得bioinfo最大用处
: 就在这块,建立平台,建立工具。

avatar
y*i
184

有时间多看paper吧 ---- 共勉共勉。生物的paper稍微多看点,也不会说出“搞生物
谁敢站出来说自己做的实验手段是是主导。。。。。”这种话吧。
,只
疾病
度吧

【在 P******n 的大作中提到】
: 发完帖子才去看了一下前面的帖子,发现你说你也是做bioinfo的,而且不明白NGS为什
: 么要替代Micoarray.同学,给点专业精神,你还是不要在别人面前说你是做bioinf的好
: 了,有时间多看paper吧。
:
: PI
: cell

avatar
P*n
185
一种实验技术
只是解决某一类问题的主要方法,没有哪种实验技术可以解决所有问题。就像没有哪个
xenograft breast cancer model 可以model了所有breast cancer.b不知道大姐为啥
这么不满意。。。
在 yuuli (听,...听) 的大作中提到: 】
avatar
y*i
186
不知道大姐为啥这么不满意----- 你有毛病?

生物

【在 P******n 的大作中提到】
: 一种实验技术
: 只是解决某一类问题的主要方法,没有哪种实验技术可以解决所有问题。就像没有哪个
: xenograft breast cancer model 可以model了所有breast cancer.b不知道大姐为啥
: 这么不满意。。。
: 在 yuuli (听,...听) 的大作中提到: 】

avatar
P*n
187
欢迎切磋学术,人身攻击的就不奉陪了。

【在 y***i 的大作中提到】
: 不知道大姐为啥这么不满意----- 你有毛病?
:
: 生物

avatar
e*t
188
就知道到后来要吵架。
不过那个yuuli好像不止一个人质疑你是做bioinfo的?虽然俺是第一个。呵呵。
从你好像好事维护纯生物多一点。呵呵。
不过要上来吵,还是要多学习学习。
你说你要学NGS,就是不错的方向嘛。
不过不要再说bioinfo,system bio是joke这种话了,一看就知道高度不够,纯发牢骚
avatar
K*n
189
秉贵,传祥,素丽,都是劳模,都是最先进的无产阶级,就不要争谁的career path更
好了,周总理
都握手。

【在 O******e 的大作中提到】
: 怎么听怎么象“其实整个美国的发展都是靠外国人在推动的,本土美国人自己意识不到
: 而已”。
: 感情俺们这些学生物的整天做的就是浪费生命了

avatar
O*e
190
都忘记了这些英雄的名字了,太不应该了,^_^

【在 K****n 的大作中提到】
: 秉贵,传祥,素丽,都是劳模,都是最先进的无产阶级,就不要争谁的career path更
: 好了,周总理
: 都握手。

avatar
b*1
191
If you have a few candidate genes with convincing stories, and offer co-
authorship and experiment cost, although every lab would love to validate
your findings. One key is that you need to find a simple and effective
experiment for validation. Now days, tons of experiments have become
commodities.

【在 o********r 的大作中提到】
: 其他都没啥大错,不过这一句有点理想主义:“还可以找实验室帮助验证”。呵呵,这
: 个可以算是bioinfo的bottleneck,目前bioinfo主要还在academia或者non-profit,想
: 找人validate你的结果基本都得求爷爷告奶奶,除非你的结果对他们也很有用。
: 当然这也是bioinfo paper上CNS和PLOS one间的硬件差别

avatar
p*y
192
你为什么认为跟你灌水的是个“大姐”?而不是“小妹”,或“老头”,“小弟”?
网络灌水,最好不要称呼人“大姐”或“姐姐”,女人最不喜欢给人叫老了,
也不要把男的当成女的,女的当成男的。不看性别年龄,只看说话有无道理。

【在 P******n 的大作中提到】
: 一种实验技术
: 只是解决某一类问题的主要方法,没有哪种实验技术可以解决所有问题。就像没有哪个
: xenograft breast cancer model 可以model了所有breast cancer.b不知道大姐为啥
: 这么不满意。。。
: 在 yuuli (听,...听) 的大作中提到: 】

avatar
P*n
193
兄台/美女教导的是。我用手机上的bbs,看不到性别,只是从对方言论凭判性别和年龄
。看他/她说话那冲样就没想到精神这么敏感,想别人怎么对待自己就先检点自己的言
行,不是么?不过,楼下教导的是,我平日没时间灌水,只是看到有些言论太气不过了。

【在 p****y 的大作中提到】
: 你为什么认为跟你灌水的是个“大姐”?而不是“小妹”,或“老头”,“小弟”?
: 网络灌水,最好不要称呼人“大姐”或“姐姐”,女人最不喜欢给人叫老了,
: 也不要把男的当成女的,女的当成男的。不看性别年龄,只看说话有无道理。

avatar
l*s
194
In some sense bioinformatics is kind of quantitative finance. It is just
natural for ppl to doubt its usefulness.

了。

【在 P******n 的大作中提到】
: 兄台/美女教导的是。我用手机上的bbs,看不到性别,只是从对方言论凭判性别和年龄
: 。看他/她说话那冲样就没想到精神这么敏感,想别人怎么对待自己就先检点自己的言
: 行,不是么?不过,楼下教导的是,我平日没时间灌水,只是看到有些言论太气不过了。

avatar
p*m
195
支持。
这些简单的字符串处理shell下的编程才是正解。
用R的读入no quto小文本可以。处理个10G的PER试试

【在 n******7 的大作中提到】
: 我说的是不用学programming的解决方法
avatar
p*m
196
这个目前也是比较争论的。不过关键还是NGS的价格。
一个RNA-Seq做下来,可以分析gene expression, isoform expression, post-
transcriptional gene mutation.

【在 y***i 的大作中提到】
: 楼上有说microarray不行了,能否细说
: google了一下 'replace microarray',估计说的是next generation seq. 估计没什么
: 戏。
:
: 其次
: ,如
: 决生
: 信息
: ,大
: 次比

avatar
v*g
197
http://news.wenxuecity.com/BBSView.php?SubID=news&MsgID=1233249
还是要潜下心来
在江苏无锡麦涛岚华生物技术有限公司首席执行官黄岚看来,女海归创业首先要有
技术,还要能坚持。同为“千人计划”入选者的她,美国加州大学伯克利分校博士毕业
后,在纽约纪念斯隆·凯特琳癌症中心做独立研究。“要在国际市场占有一席之地,还
需要专利药。”今年,黄岚与她的团队利用计算机模拟技术设计了具有自主知识产权的
I类抗癌新药,完成了6个全新蛋白质(多肽)机构的设计,具有国际先进水准。这些技术
是麦涛岚华生物技术有限公司在生物医药领域分得一杯羹的“杀手锏”。
很多人在第1000次实验失败后放弃了,更多人的实验记录则为零。黄岚认为,女海
归创业要能潜下心来:“做研究就像潜水员,要潜得深,面不广,成功离你就近了。
1000次实验失败了,但可能第1001次实验就成功了,创业也是如此。”
在上海举行的一次海归创业洽谈会上,50名与会海归中,女性仅6人,而且没有一
个有创业、投资或项目合作的意愿。“不了解”、“怕麻烦”、“条件不成熟”等成为
她们创业记录为零的原因,也折射出很多女海归的心态。
钟娅玲认为,女海归创业,需要了解市场和技术,有破釜沉舟的勇气,懂得放弃一
些东西,才有成功的希望。毕竟在“千人计划”引进的19名女海归中,5人已经创业成
功了,她相信会有越来越多的女性创业者取得成功。
avatar
w*i
198
我觉得现在bioinfo的软肋确实是在system biology这一块
NGS和microarray在data analysis上的差别,主要是preprocessing, 产生了gene list
或是binding sites以后就基本上差不多了,以后的GO, pathway analysis总有隔靴搔
痒的感觉。从这个意义上说,NGS虽然在技术上比microarray前进了一大步,但是要获
得有意义结果的瓶颈还是在system biology上。

【在 K****n 的大作中提到】
: 秉贵,传祥,素丽,都是劳模,都是最先进的无产阶级,就不要争谁的career path更
: 好了,周总理
: 都握手。

avatar
o*r
199
GO, pathway之类的说实话没太大实际意义,因为无论GO或者pathway数据库中都有不少
的错误和遗漏。NGS倒是可以直接发现一些direct AA change以及一些fusion protein
,可能更有直接意义,不过这个需要deep coverage。

list

【在 w****i 的大作中提到】
: 我觉得现在bioinfo的软肋确实是在system biology这一块
: NGS和microarray在data analysis上的差别,主要是preprocessing, 产生了gene list
: 或是binding sites以后就基本上差不多了,以后的GO, pathway analysis总有隔靴搔
: 痒的感觉。从这个意义上说,NGS虽然在技术上比microarray前进了一大步,但是要获
: 得有意义结果的瓶颈还是在system biology上。

avatar
n*7
200
然后呢?为了解释complex disease,还是需要system biology...

protein

【在 o********r 的大作中提到】
: GO, pathway之类的说实话没太大实际意义,因为无论GO或者pathway数据库中都有不少
: 的错误和遗漏。NGS倒是可以直接发现一些direct AA change以及一些fusion protein
: ,可能更有直接意义,不过这个需要deep coverage。
:
: list

avatar
s*l
201
So many discussions here, this point I think is the most accurate one. All
the new techs generate more data, higher quality than before,new types of
data (just assume some new tech will do these in the future), the most
important step is how to get insights or generate potential predictive
things in biology. Developing new ways to interpret and making sense of
these complex data is always critical.

list

【在 w****i 的大作中提到】
: 我觉得现在bioinfo的软肋确实是在system biology这一块
: NGS和microarray在data analysis上的差别,主要是preprocessing, 产生了gene list
: 或是binding sites以后就基本上差不多了,以后的GO, pathway analysis总有隔靴搔
: 痒的感觉。从这个意义上说,NGS虽然在技术上比microarray前进了一大步,但是要获
: 得有意义结果的瓶颈还是在system biology上。

avatar
b*r
202
这种小公司美国遍地吧,我楼上一老教授就开了一家。当时是骗了点钱牛了两年,中试
一不过,
马上破产,还一屁股债,lab里都开了一大票人
药这个东西风险还是很高的,绝大部分最后变成垃圾
当然,如果爽一把就算,她肯定已经成功了

【在 v*******g 的大作中提到】
: http://news.wenxuecity.com/BBSView.php?SubID=news&MsgID=1233249
: 还是要潜下心来
: 在江苏无锡麦涛岚华生物技术有限公司首席执行官黄岚看来,女海归创业首先要有
: 技术,还要能坚持。同为“千人计划”入选者的她,美国加州大学伯克利分校博士毕业
: 后,在纽约纪念斯隆·凯特琳癌症中心做独立研究。“要在国际市场占有一席之地,还
: 需要专利药。”今年,黄岚与她的团队利用计算机模拟技术设计了具有自主知识产权的
: I类抗癌新药,完成了6个全新蛋白质(多肽)机构的设计,具有国际先进水准。这些技术
: 是麦涛岚华生物技术有限公司在生物医药领域分得一杯羹的“杀手锏”。
: 很多人在第1000次实验失败后放弃了,更多人的实验记录则为零。黄岚认为,女海
: 归创业要能潜下心来:“做研究就像潜水员,要潜得深,面不广,成功离你就近了。

avatar
b*r
203
system bology不是没有意义,但是现在入市实在太早了点吧
现在生物研究基本还是一个一个基因的搞。再发展n年,也还只是会徘徊在两个基因三
个基因的水
准上,现有的技术都可以做了。能够往系统上整,也许还的2,30年,咱们都退休了

list

【在 w****i 的大作中提到】
: 我觉得现在bioinfo的软肋确实是在system biology这一块
: NGS和microarray在data analysis上的差别,主要是preprocessing, 产生了gene list
: 或是binding sites以后就基本上差不多了,以后的GO, pathway analysis总有隔靴搔
: 痒的感觉。从这个意义上说,NGS虽然在技术上比microarray前进了一大步,但是要获
: 得有意义结果的瓶颈还是在system biology上。

avatar
O*e
204
二三十年太长了,不会那么久。现在积累数据的速度太快了,质的突破应该快了--
虽然我也不知道该怎么突破。。。

【在 b****r 的大作中提到】
: system bology不是没有意义,但是现在入市实在太早了点吧
: 现在生物研究基本还是一个一个基因的搞。再发展n年,也还只是会徘徊在两个基因三
: 个基因的水
: 准上,现有的技术都可以做了。能够往系统上整,也许还的2,30年,咱们都退休了
:
: list

avatar
b*r
205
很多东西都有瓶颈的
你看人的平均寿命,随着科技的发展一下子就从解放前的3,40到了2,30年前的70上下
,但是最
近2,30年虽然科技爆发性增长,发达国家的人均寿命就没多少增加了,虽然说人的理
论寿命有
150之类的

【在 O******e 的大作中提到】
: 二三十年太长了,不会那么久。现在积累数据的速度太快了,质的突破应该快了--
: 虽然我也不知道该怎么突破。。。

avatar
s*s
206
寿命的增长中,其实所谓的高科技的作用并不是主要的,
主要原因还是一些并非科技的原因,比如收入增加导致
生活习惯改变还有health care的普遍

【在 b****r 的大作中提到】
: 很多东西都有瓶颈的
: 你看人的平均寿命,随着科技的发展一下子就从解放前的3,40到了2,30年前的70上下
: ,但是最
: 近2,30年虽然科技爆发性增长,发达国家的人均寿命就没多少增加了,虽然说人的理
: 论寿命有
: 150之类的

avatar
b*r
207
抗生素,无菌外科术的普及算不算高科技?
我估计寿命的增加,抗生素和无菌术要占50%以上

【在 s******s 的大作中提到】
: 寿命的增长中,其实所谓的高科技的作用并不是主要的,
: 主要原因还是一些并非科技的原因,比如收入增加导致
: 生活习惯改变还有health care的普遍

avatar
o*r
208
目前System biology还是浮云,系统的零部件还有太多不知道的,怎么整合呢?现在做
network的多数是two way interaction而已,能建模的基本也就是些了解很清楚的
metabolic pathway。

【在 n******7 的大作中提到】
: 然后呢?为了解释complex disease,还是需要system biology...
:
: protein

avatar
s*s
209
无菌那个太早了,抗生素也是解放前的。
这两个是高科技,但是他们的普及当然不是高科技,
而是因该算我说的health care的普及

【在 b****r 的大作中提到】
: 抗生素,无菌外科术的普及算不算高科技?
: 我估计寿命的增加,抗生素和无菌术要占50%以上

avatar
O*e
210
影响寿命最重要的两项是营养和医疗,高科技在这两者中的作用非常大。

【在 s******s 的大作中提到】
: 寿命的增长中,其实所谓的高科技的作用并不是主要的,
: 主要原因还是一些并非科技的原因,比如收入增加导致
: 生活习惯改变还有health care的普遍

avatar
a*k
211
全新设计蛋白有这么容易么?

【在 v*******g 的大作中提到】
: http://news.wenxuecity.com/BBSView.php?SubID=news&MsgID=1233249
: 还是要潜下心来
: 在江苏无锡麦涛岚华生物技术有限公司首席执行官黄岚看来,女海归创业首先要有
: 技术,还要能坚持。同为“千人计划”入选者的她,美国加州大学伯克利分校博士毕业
: 后,在纽约纪念斯隆·凯特琳癌症中心做独立研究。“要在国际市场占有一席之地,还
: 需要专利药。”今年,黄岚与她的团队利用计算机模拟技术设计了具有自主知识产权的
: I类抗癌新药,完成了6个全新蛋白质(多肽)机构的设计,具有国际先进水准。这些技术
: 是麦涛岚华生物技术有限公司在生物医药领域分得一杯羹的“杀手锏”。
: 很多人在第1000次实验失败后放弃了,更多人的实验记录则为零。黄岚认为,女海
: 归创业要能潜下心来:“做研究就像潜水员,要潜得深,面不广,成功离你就近了。

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。