力挺bioinformatics - 未名空间MITBBS历史存档

国际科技财经博客移民网络热点娱乐民生时事公众号

Redian新闻

>未名空间

>Biology - 生物学

力挺bioinformatics

力挺bioinformatics# Biology - 生物学

g*i2017-03-19 07:03

1 楼

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。

j*n2017-03-19 07:03

2 楼

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！

m*t2017-03-19 07:03

3 楼

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

j*n2017-03-19 07:03

4 楼

n*72017-03-19 07:03

5 楼

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？

j*n2017-03-19 07:03

6 楼

自己re一下:)请问，有热心人能帮个忙么？先谢过啦！

h*n2017-03-19 07:03

7 楼

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。

q*02017-03-19 07:03

8 楼

请查你的hotmail.

m*t2017-03-19 07:03

9 楼

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

h*e2017-03-19 07:03

10 楼

考虑洛杉矶地区么？
http://www.mitbbs.com/article_t/JobHunting/32066565.html

m*t2017-03-19 07:03

11 楼

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。

g*92017-03-19 07:03

12 楼

同求

o*c2017-03-19 07:03

13 楼

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。

n*72017-03-19 07:03

14 楼

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

【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。

o*c2017-03-19 07:03

15 楼

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

f*n2017-03-19 07:03

16 楼

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

n*72017-03-19 07:03

17 楼

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】

o*c2017-03-19 07:03

18 楼

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？

n*72017-03-19 07:03

19 楼

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

y*i2017-03-19 07:03

20 楼

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。

o*c2017-03-19 07:03

21 楼

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。