computational biology | Bioinformatician | 开发者指南

对自己的定位要明确,不要定义为码农,我是computational biologist.

入了这一行就不要三心二意,这基本注定你未来10年都在干这个,就算要转行也要先把这个做好。其实大多数人最喜欢的肯定是心理学、哲学、脑科学、人工智能,其他的真的没什么意思,虽然有时候觉得未来挺没劲的,老是做这些,但是稍微比较一下,computational biologist还是挺有意思的。

抵抗诱惑,科研是真的枯燥,大部分人是完全无法忍受这份无聊、孤独和压力的,还好现在是论文和基金导向的,大部分人才有目标,如果都没有考核和激励,科研根本就没有人来做。长期保持专注于科研本来就是一个非常难的事情。

 

心态摆正

心歪了,做什么都是白费,就像老板说的“你要是这个态度,那你永远都不可能取得进步”,确实,心态太重要了。

乐观者总在想如何解决问题,悲观者总是沉浸于问题所带来的烦恼中,这两者之间的执行力会有天壤之别,我们大部分人也是常常在这两者之间徘徊,一定要了解并管理好自己的情绪。

一旦陷入了自悲的状态就只能靠自我的顿悟来解脱了,其他任何人都帮不了你。一个简单的判断自己情绪的方法,平时自己爱吃的食物、爱做的事情、爱听的歌自己现在是否还爱?悲观者做什么都会觉得没劲。

兴趣

没有兴趣,难以持续发力,顶多偶尔爆发,后面还会被反噬。生活和科研都是场马拉松,笑到最后的才是赢家,如果你不让自己喜欢上马拉松,那你肯定是跑不下去的。

长处

田忌赛马,弯道超车,对于我这种开局就落后,智力平平、一般努力的人而言就显得极为重要。

专注

学海无涯,你需要潜入深处,发现新大陆,而不是在水面上浮着,扑哧几下。现在这个世界所有的信息都是过载的,在科学界更是过载,每天发表的paper不计其数,你永远都跟不上。

但我们是科研工作者,我们不必要什么都会,但是按照我们的研究方法,我们能在某个细微的领域有所创新,取得突破,这就足够了。

随时出发

不要指望上完所有的课之后再去开始展开科学研究,基础固然重要,但没必要过于执着,可以边做边学。

每一次的presentation都只有15min,你只能选择性的讲。

模仿

平时看到paper时,看到有用的分析方法,很有用的图,自己可以模仿一下,培养手感。

专业思维

每个行业都有自己的套路,先学习套路有利于入门,后面再谈创新。

尤其是在专业的presentation时,PPT一定要有逻辑(上次被老板批惨了),不要什么都讲又什么都没讲清楚,搞得跟个文献汇报一样。

终身学习

A New Online Computational Biology Curriculum

格局

渺小的人都是奴隶,即使当了皇帝,如果人格渺小,一样是奴隶。

不想当将军的士兵不是好士兵。

总有一天我们要离开打工者的位置,如果格局起不来,就算你做了PI当了领导,最终还是会垮掉,沦为屌丝的,这样的实例太多了。

落实

要有发表欲,当然不是要你拼命作假、灌水,而是自己有了创新之后就要写成论文,把代码写成package,供后人使用。

塑造自己在领域内的影响力,知名度,以期获得更多的合作机会。

 

研究方向

1. bulk和single cell的打分模型;正好有验证数据;

2. 基于marker的subgroup鉴定;现有的pseudotime和diffusion map;

3. 非聚类的细胞分析方法;

4. lncRNA的分析和鉴定;大数据集、神经网络;one-class

5. 写个DEG分析方法;

6. get marker function;

7. Batch effects评估, detected gene number是否需要评估? 

8. SOX10的missing到底是怎么回事?如何评估?

 

posted @ 2018-06-09 00:34 Life·Intelligence 阅读(...) 评论(...) 编辑 收藏
TOP