计算机下的生物信息方向算天坑吗？

二维码

作者：知乎
本人是一个计算机博士，方向是生信中的深度学习，和AI-drug,CADD沾边。想问一下，算法生信还算是四大天坑吗？真切想问下就业去大厂算法岗概率如何。

原文地址：https://www.zhihu.com/question/579487884

病理医师

正儿八经的计算机科学，你的研究对象（比如视觉识别、追踪）在多个工业场景中都是统一存在的。而bioinform你的选题必然进入某个犄角沓沓，很难存在泛场景业务，且bioinform在前端、后端技术上完全比不上真正的计算机，在数学上比不上真正的统计学，很少看到bioinform的算法能真的被统计学家引用，反而是统计学家的算法被bioinform拿去无脑拼接和abuse、很不严谨地出现在生信的期刊里。从数学的角度，数学＞物理＞电子信息＞计算机＞经济学（人文社科类）＞生物信息。老实说生信的很多东西，看起来被引用多，可那几乎都是被下游user无脑引用的，真正被严谨的数学家或计算机专家拿去讨论的非常少，也就在搞文科的生医类眼里显得有才（还不如人文社科的经济学严谨），真拿到理工科来不够看的。随着内卷的加剧，这种由下游追捧起来抬升自身地位的所谓影响因子、被引次数、分区迟早有一天崩塌。

清风寡欲

作为一个CADD相关行业从业人员
我给题主打打鸡血
你问是什么相关行业？
云计算
众所众知（不是）
云计算这个行业属于特殊行业
哪里特殊了？

别的行业都是被吹上天的
云计算打出生那天起就在天上（不是……

特别是疫情时代让很多行业认识到
云计算抗风险能力很大啊
比如CADD就一直在跟我们眉来眼去
毕竟前两年
全球都还在不计成本地开发
新冠疫苗和特效药
（其实现在也在搞就是没那么积极了）

“不计成本”是啥意思？
归纳一下就是四个字——
老子有钱

这句话不仅听上去很有气势
实际作用也是灰常大滴
拿CADD来说
很多时候就卡在预算上
现在呢？
你没忘记那句话吧
老子有钱

这句话太有用了
研发预算直接平方
不行就立方
你应该怎么做？
把硬件统统换成最新的？
那格局可就太小了
就拿CADD的一个重要步骤
虚拟筛选来说
以前的虚筛通常采样百万到千万级别的分子
而事实上能够用于药物发现的有机分子有多少呢？
超过10的60次方！！！

我们不过是从茫茫大海里取了一滴水
以前没有钱呐
只能望着大海默默流泪
现在——
老子有钱！！！

2020年3月
哈佛大学医学院
在《Nature》上发了篇文
声称他们搞了一个开源药物发现平台
可以在云端集成海量计算资源
对超大规模的化合物库
进行基于结构的虚拟筛选
从而提高药物发现效率

文章称
在单核CPU上筛选10亿种化合物
根据他们选定的条件
全部筛完大概需要475年
他们是等不到了
孙子的立方也等不到
而用这个云平台
他们调用16万核CPU对接10亿个分子
只需要15小时


而且这个平台还可以线性扩展
详情可戳：
速石科技 fastone：15小时虚拟筛选10亿分子，《Nature》+HMS验证云端新药研发未来
所以
CADD不是天坑呀
我们是真的觉得它的未来无限光明！！！

加油！我们等着你们起飞！

检验之星

相比于传统算法工程师更主要的优势可能是在生物的domain knowledge上，除了大厂也可以看一看最近兴起的交叉学科企业比如深势科技，和专业更加match也有更多机会

继续前进

只要你们是一个计算机的组，发的计算机的论文，做计算机的研究，而不是一个生物的组原本不懂计算机现在来蹭AI的热点，就不算天坑的，AI各个领域都是相通的，你可以用AI来研究药物，就可以用AI来研究金融、研究社交、研究搜广推，这些方向互相转换的门槛不高，你也是有机会去大厂的（而且腾讯等大厂现在本来也就在布局智慧医疗）

感恩由您

不算天坑，不过不建议选择大厂。大厂缺乏专业人员，懂AI但不懂AI for Science。这些年有些小而精的AI医药公司出现，如深势科技，星药科技等。很多待遇都已经超过大厂。
补充一些信息：
1. 就目前而言传统生物信息算法与AI/深度学习还没有实现很好的融合，如最简单的序列比对，时至今日相关工作也寥寥无几，并且落地情况差。深度学习方法出现的过拟合问题是其在传统生信领域应用的巨大壁垒
2. 答主所说的AIDD，或者CADD是这些年资本青睐的AI制药赛道。只可惜，目前AI并没有在其中发挥变革性作用，大多数应用场景，如docking，自由能计算均依赖于传统的分子模拟/MD算法。目前能看到的好的例子有深势科技的DeePMD，真正将AI投入了实际生产中