avatar
力挺bioinformatics# Biology - 生物学
g*i
1
皮蛋,我们喜欢吃,但是很多外国人不喜欢,原因是因为在他们的饮食文化中根本就发
明不了这种蛋,所以他们接受不了我们吃这种蛋。外国人曾经把皮蛋称之为世界上最恶
心的食物,百年鸡蛋等等。
我们眼中的美味,在老外看来,却是魔鬼的蛋,不仅外形怪异,味道还可怕。也有不少
蒙汉挑战,战斗名族嘛,总有不服输的,但是终究是魔鬼蛋,即使是曾经吃下一百只魔
鬼椒的勇士,面对皮蛋也是面色难堪、战斗力陡降,可谓是秒杀!
还比如鸡爪,猪蹄,动物血,大闸蟹等等一些不符合外国人文化的中餐食物,都被外国
人拉入了黑名单。
再比说我们吃的红烧鸡块,因为有骨头可没少被外国人嫌弃,因为他们的进餐方式刀叉
没办法好好吃这种有骨头的食物。曾经还有外国人他第一次吃中餐鸡块差点被噎死。气
愤的问中餐:骨头又不是肉,又不能吃,为什么我花吃肉的钱,给我上不能吃的骨头?
中餐一些骨头菜会被外国人拉入黑名单显而易见。
还比如我们吃的一些动物肉,如兔子,驴肉,大闸蟹,以及一些野味。大部分外国人都
会决绝吃,因为他们觉得这太惊悚。比如说驴肉,外国人觉得吃了驴子肉自己的脾气将
变得和驴子一样倔强。外国人并不像我们一样喜欢吃野味。他们更喜欢吃人工或者自己
看着长大的食物。
avatar
j*n
2
最近由于家庭原因要从东岸relocate过去,但是由于远距离,想找个recuiter可能有效
率一些。有高人能给个联系方式么?
可以回贴,也可以给我发信:j*******[email protected]。非常感谢!
avatar
m*t
3
bioinformatics是非常好的去处,不光对生物,对很多领域也是非常好的研究领域,尤
其对中小的组和学校
最近几年大数据和深度学习的风潮起来,数据成了一个最重要的方面,NIH最近对生物
大量投入,产生了大量的数据,比如各种roadmap,encode,在DNA 测序方面,大批的
测序数据进入实际应用。最最重要的是,这些数据,都是真正的生产数据。
为什么称为生产数据?因为这些数据都是真实原始数据的,不是为了某些目的处理过的
,除了生物信息,请举个例子,学术界哪里还有这种真实原始的高纬度的数据。对小学
校小课题组,比如做computer vision,能用数据库就是ImageNet等专门的数据库。
ImageNet的意义当然毋庸置疑,但是这个数据毕竟是在真实生产中不存在的,哪里来的
这么多手工加label的training data呢?
对bioinformatics领域来说,是training非常好的一个平台。学生要自己找available
的数据,要自己找可能有效的方法,要自己找能够用的资源,并且要能快速评估结果,
这个training,对PhD学生来说,到了工业界都是transferable的skill。比如Facebook
或者Google的里的PhD做的工作,给定目标,比如提高点击率或者啥的,也要自己找数
据源,自己找可行的方法,自己找能用的资源,在bioinformatics中的training的确是
受益匪浅的
avatar
j*n
4
最近由于家庭原因要从东岸relocate过去,但是由于远距离,想找个recuiter可能有效
率一些。有高人能给个联系方式么?
可以回贴,也可以给我发信:j*******[email protected]。非常感谢!
avatar
n*7
5
你个cs背景做方法的成天来biology版误导
很没人品你造不?
绝大部分生物背景的弄这个就是跑跑pipeline,parse些结果,看看各种association,
根本没机会搞什么高大上的各种learning。
所以一定要摆正姿势,不要觉得自己在探索真知,赶紧趁机自学编程和数学线代统计之
类的才是正途。也就是说,很多东西是课题用不上的,你自己借机自学而已
切勿觉得bioinfo是个好去处
这些个high throughput data,里面多少是信号,多少噪音,真的天知道。这也直接导
致bioinfo的很多东西,都是试试而非,不能在实际生活,比如疾病诊断中用上。这也
就意味着,没啥钱途,是能学术圈混着

【在 m*********t 的大作中提到】
: bioinformatics是非常好的去处,不光对生物,对很多领域也是非常好的研究领域,尤
: 其对中小的组和学校
: 最近几年大数据和深度学习的风潮起来,数据成了一个最重要的方面,NIH最近对生物
: 大量投入,产生了大量的数据,比如各种roadmap,encode,在DNA 测序方面,大批的
: 测序数据进入实际应用。最最重要的是,这些数据,都是真正的生产数据。
: 为什么称为生产数据?因为这些数据都是真实原始数据的,不是为了某些目的处理过的
: ,除了生物信息,请举个例子,学术界哪里还有这种真实原始的高纬度的数据。对小学
: 校小课题组,比如做computer vision,能用数据库就是ImageNet等专门的数据库。
: ImageNet的意义当然毋庸置疑,但是这个数据毕竟是在真实生产中不存在的,哪里来的
: 这么多手工加label的training data呢?

avatar
j*n
6
自己re一下:)请问,有热心人能帮个忙么?先谢过啦!
avatar
h*n
7
其实是在不同层面的忽悠罢了,杀老鼠固然无趣,做数据依旧是靠天吃饭。
从职业发展的角度讲,还是现实一些好。
如果是有做faculty的情怀,拿全当我没说。
avatar
q*0
8
请查你的hotmail.
avatar
m*t
9
你看在Google或者Facebook的后台数据,那些是噪音那些是信号?那些和下次点击不相
干那些相关,都不知道啊,都是要慢慢研究的啊。甚至你在youtube看的视频,哪些是
你看的哪些是你老婆在你电脑上看的,后台都不知道啊,还不是要慢慢研究。
哪是信号哪是噪音,都研究清楚了,还要雇PhD干啥?

【在 n******7 的大作中提到】
: 你个cs背景做方法的成天来biology版误导
: 很没人品你造不?
: 绝大部分生物背景的弄这个就是跑跑pipeline,parse些结果,看看各种association,
: 根本没机会搞什么高大上的各种learning。
: 所以一定要摆正姿势,不要觉得自己在探索真知,赶紧趁机自学编程和数学线代统计之
: 类的才是正途。也就是说,很多东西是课题用不上的,你自己借机自学而已
: 切勿觉得bioinfo是个好去处
: 这些个high throughput data,里面多少是信号,多少噪音,真的天知道。这也直接导
: 致bioinfo的很多东西,都是试试而非,不能在实际生活,比如疾病诊断中用上。这也
: 就意味着,没啥钱途,是能学术圈混着

avatar
m*t
11
所以说bioinformatics的skill都是可以transferable的skill,比做computer vision
更好。毕竟做CV的,除了个别牛校牛组,拿到的都是那几种数据,其实研究范围很窄,
但是bioinformatics里的数据,基本都是现实数据,并且不管是数据还是方法,都是没
有边界的,只要能解决问题就可以

【在 h*****n 的大作中提到】
: 其实是在不同层面的忽悠罢了,杀老鼠固然无趣,做数据依旧是靠天吃饭。
: 从职业发展的角度讲,还是现实一些好。
: 如果是有做faculty的情怀,拿全当我没说。

avatar
g*9
12
同求
avatar
o*c
13
个人觉得bioinformatics这个领域,如果有一定编程和计算能力,但是做不了PI,还是
尽早往其他方向跳吧,哪怕是biostat也行。如果不是专心搞算法的,你suppose什么数
据类型都得会分析,好多软件都得会用,最好是明白里面的算法,光调试好,深刻理解
一个软件就得花不少时间。如果专心搞算法,就得focus一个小领域,这样自然对其他
topic就没那么熟悉。
avatar
n*7
14

你说的基本就是跑pipeline的工作
人肉数据处理机
费力不讨好

【在 o********c 的大作中提到】
: 个人觉得bioinformatics这个领域,如果有一定编程和计算能力,但是做不了PI,还是
: 尽早往其他方向跳吧,哪怕是biostat也行。如果不是专心搞算法的,你suppose什么数
: 据类型都得会分析,好多软件都得会用,最好是明白里面的算法,光调试好,深刻理解
: 一个软件就得花不少时间。如果专心搞算法,就得focus一个小领域,这样自然对其他
: topic就没那么熟悉。

avatar
o*c
15
还有一点,很多时候,生物学家或者医生眼里,bioinformaticians就是些画heatmap和
做t test的,就是些technician,这种感觉很不爽,虽然大部分时间确实是做这些的LOL

【在 n******7 的大作中提到】
: 然
: 你说的基本就是跑pipeline的工作
: 人肉数据处理机
: 费力不讨好

avatar
f*n
16
我黑心老板逼迫我做实验
我现在只要让我做pure bioinformatician我就开心了,也就是做纯的“heatmap和
ttest”
命苦啊

LOL

【在 o********c 的大作中提到】
: 还有一点,很多时候,生物学家或者医生眼里,bioinformaticians就是些画heatmap和
: 做t test的,就是些technician,这种感觉很不爽,虽然大部分时间确实是做这些的LOL

avatar
n*7
17
所以说是人肉数据处理机
数据进去,结果出来
别人觉得你就是会跑跑一些工具罢了
事实大部分时间也是做这些
问题是,即使跑跑工具的活,
各种实验层出不穷,
具体到某种实验,处理的工具还是层出不穷
文档基本都是烂的一坨
这些都是很杀脑细胞的
弄完这些DR们还觉得,结果怎么跟我想的不一样?

LOL

【在 o********c 的大作中提到】
: 还有一点,很多时候,生物学家或者医生眼里,bioinformaticians就是些画heatmap和
: 做t test的,就是些technician,这种感觉很不爽,虽然大部分时间确实是做这些的LOL

avatar
o*c
18
同感。做一种分析,各种软件一大堆,文档几乎没有写的好的,有很多还要求先运行其
他软件的结果作为input,发现自己的结果远没有人家paper里吹的那么美好,或者干脆
什么信号都没有,那才frustrating

【在 n******7 的大作中提到】
: 所以说是人肉数据处理机
: 数据进去,结果出来
: 别人觉得你就是会跑跑一些工具罢了
: 事实大部分时间也是做这些
: 问题是,即使跑跑工具的活,
: 各种实验层出不穷,
: 具体到某种实验,处理的工具还是层出不穷
: 文档基本都是烂的一坨
: 这些都是很杀脑细胞的
: 弄完这些DR们还觉得,结果怎么跟我想的不一样?

avatar
n*7
19
大部分软件都是为了发文章混毕业
我不到万不得已不会碰那些来路不明的软件
文章发得再好,吹的再响也不用
要么用大家检验过的,要么自己写
其实自己写爽多了,完全掌握各种细节
就是没工夫做些花活,帮别人处理东西的话别人可能觉得不爽
这些作者里面,我很服气li heng,特别是他说过
这些工具就应该用default参数就能跑的很好才对
非要你折腾来折腾去的不合理
还有一个华裔,thomas wu,在genetech,十多年如一日的维护他的软件
performance也确实很好,用起来让我觉得很放心
不过我现在对这些都厌倦了
没啥意思,折腾半天对自己是0积累

【在 o********c 的大作中提到】
: 同感。做一种分析,各种软件一大堆,文档几乎没有写的好的,有很多还要求先运行其
: 他软件的结果作为input,发现自己的结果远没有人家paper里吹的那么美好,或者干脆
: 什么信号都没有,那才frustrating

avatar
y*i
20
感觉楼主挖坑的。 除非是当pl, 否则生信比纯生物还吃力不讨好。生信狗同意
nowhere7 前辈的每一句话, 生信真的只能当跳板。 所谓的transferable skill ,
在别的行业积累得快多了。
avatar
o*c
21
楼主倒不一定是挖坑的。周围很多搞纯生物的同事确实很厌烦lab的工作,想转行
bioinformatics,因为“pay 的高”,而且相对“轻松”。 这确实很能理解。
不过对于做计算,统计,CS的,除非热爱生物学,还是尽早转行比较好。这个行业积累
的东西,确实都比较皮毛,长远来讲很不划算。而且,如果真的想加强生物背景的话,
还真得花时间学习生物知识,以便和生物学家沟通。有这时间真不如多刷题做题,练习
coding呢。

【在 y****i 的大作中提到】
: 感觉楼主挖坑的。 除非是当pl, 否则生信比纯生物还吃力不讨好。生信狗同意
: nowhere7 前辈的每一句话, 生信真的只能当跳板。 所谓的transferable skill ,
: 在别的行业积累得快多了。

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。