2022年了，在生物领域中生物信息依旧还有很好的前景吗？

大v

本人211农学本科专业第一，在做基因编辑和转录组分析相关课题，准备研究生转向生物信息领域。但可能因为转录组分析的流程日趋程序，所做的事情就只是在跑流程，更多的还是要在湿实验中验证。因此产生疑惑生物信息的未来与湿实验比究竟哪个更好？
也希望大家能够推荐一些国内研究生物信息比较有优势的院校和老师。谢谢！

原文地址：https://www.zhihu.com/question/450012193

长长的路

刚刚从实验室出来就被知乎推送了这个问题，毕竟也算是生信领域的一员说一下自己的看法吧。
如果说你理解的生信停留在通过测序得到fastq跑流程然后通过差异分析或者WGCNA等得到候选基因去做验证的话，那么这种“生信”确实是没有前途的，因为你得不到任何前沿思路的熏陶和锻炼，纯粹就是一个工具人，这种生信和实验室我建议你别去。
大家一般把生信分成两种：开发工具与算法和跑流程的。第一种属于对数理基础和编程技术要求比较高的方向，毕竟涉及后续的代码维护和文档的编写和更新。不过这个方向也越来越难做，大家常用的比对软件就那么几个，有的新出工具其实很大部分都是在已有工具之上进行封装和参数设定，没有做到很强的创新性，不过对于普通选手的锻炼和对代码水平的提升也是有很大作用的；第二种也分很多情况讨论，有的是最低级的生信，就是用别人的软件跑跑流程得到基因然后交给湿实验去验证，有的是属于有非常明确的生物学或者临床问题，先通过大规模公共数据去验证或者寻找candidate，然后通过实验进行体内或体外验证，或者利用独立的in-house cohort去验证，这种生信也是很不错的存在。
我的建议是那种跑流程的生信你就别做了，没什么意思。现在最热门的也最有前途的就是干湿结合或者以及与临床问题相结合，还有就是多组学与AI图像或者影像学的结合也很不错。就我自己而言现在是两条路，其一是梳理已经搭建完毕的属于自己的基于大规模多中心公共数据的一套非编码rna调控的流程，然后和湿实验室进行合作对我的结果验证，后期会进行相应工具包的开发；另一种就是和各大医院合作深入具体临床问题，从而通过已有的样本进行多组学测序和分析。
生信做的好与坏我认为只有一个标准：就是看你是否解决了一个具体的问题。不解决问题就是在那自娱自乐的找几个candidate玩玩是没意思的，灌灌3-4分的OA期刊足够了但是一点用也没有。想继续在科研界混的话，多关注问题本身，想赚钱的话，读个博士还是转码农或者医药公司吧，或者润润美帝，找个工作还是不难的。

卡卡

有。高通量实验技术还在飞速地发展（比如时空组学等一系列单细胞技术），下游肯定不会没饭吃。而且高通量实验技术的爆发丝毫没有减速的痕迹。
在 2010 年左右短序列算法这些“基础设施”的爆发期之后，基础工具的完善反而导致了入行门槛的降低，让更多有研发项目有机会提出 bioinfo 的需求，而这些需求也越来越具体和极端的个性化。于是 bioinfo 岗位非但不能被自动流程代替（流程搬砖工不在此列），反而会因为需求的迅速增加而增加。哪怕是不写算法的调包侠，都应该有不错的市场。
就连传统的分子实验，也会因为引入越来越多的自动化、IoT过程和设备，对软件开发和更大规模数据的处理和可视化的需求也与日俱增。而毫无疑问，在低代码工具快速发展的情况下，了解生物研发过程的人，比起纯码农，在这种开发中可能更有优势。
好的人很贵，有经验的、脑子好用的、统计基础好的，不比码农便宜。要是能做算法或者开发、可视化做的漂亮、啃的动生物领域各种屎山一样的数据库，甚至能分担一些后端的架构和功能模块、写写自动化设备的流程，那就更难得了。
ps，物种设计公司，招人，前端工程师/自动化工程师/生物信息/synbio科学家/质谱工程师，不限人头，不限上限。可线下实习。

清风寡欲

正在去实验室的路上，随便写写。
主要看你未来的方向你是就业还是科研。如果面向科研的话，我建议你选有实验的实验室，但是去做"生信分析"，(前提你需要了解大量的生物学知识再去跑流程)。现在最最主流的是干湿结合，前面的答主说的也很对，纯生信确实没什么大文章了，不是那个时代了。但是你看看现在哪个文章不涉及一些"生信"。看看顶刊的文章，粗看一下，你就会明白其中的道理。
而为什么做生信而不是做实验呢，这是为了给你一条退路，，"生信"学的好，最起码你还是有一点数理思维的，再不济你linux知识也足够了，转行去做个运维也没有啥门槛。如果你学的生信足够信，那转行到数据岗位也不是什么问题。
再来说说工作，纯生物有多坑不必我再说了吧。生信保底让你有口还行的饭吃，而且基本上没有加班，(就算只会跑流程也可以哦)，实在不行转行也比别人更容易一些 。
最后再来说说生信，你可以注意到，我上面的生信加了引号。是的，目前的生信主流可以分为两派，一派是工具开发，算法开发等等为主导的(科研界不吃香)，还有一派是跑流程的，两派其实差别很大，大到有的时候你觉得都不是一个领域的。虽然开发的大部分也都会跑流程，只不过对意义没有那么敏感，而跑流程的基本上都不会开发，但是对意义更敏感一些。剩下的你自己体会一下，你就懂我的意思了。
最后，如果你想深入的看看linux文本处理知识，你可以
sed/awk系列 | 传闻中的Linux三剑客如果你想学习真正的R语言编程，而不是读数据调包然后输出结果的话，你可以
R语言系列2 | 变量类型1-向量1
最后，如果有生信小白想入门生信的话，可以看看它，然后从linux开始学习
生物信息学习路线
Linux系列2 |  像Windows一样操作文件1最后，如果我的回答对你有帮助，也请你双击一下屏幕来支持一下我，关注我还可以获得更多生物信息学学习知识哦！

清风寡欲

生信总有新东西挖啊，从最早的单一测序，到后来的dna组学，rna组学和蛋白组学一起测。然后还有单细胞测序，以及最近我们正在搞的时空组学。
总之新玩意越来越多，生信这学科最起码十年内还是富矿呢。

同花顺

大人，时代变了。
生信也是变化很快的领域。早期（<2005）的目标，基本都在文本处理和模式匹配，因此perl在生信里还是很有市场的。当时计算机的普及度远不如现在，很多人上大学之前没有碰过电脑。在这个背景下，生信主要解决的是生物研究者不能熟练操作电脑的问题，工具流派当道。所以那时候有些软件甚至是用VBA写excel扩展来发布的。
后来（2005-2015）计算机普及了。很多人高中就玩转windows了。更重要的是NGS出来之后，世界就不一样了。数据产出量远远超过了PC能处理的范围，即使是服务器也很吃力。能够高效处理NGS产出的reads变成了第一需求，包括组装、比对、检测、定量。生信中的算法党崭露头角，不断优化内存和运行速度。所以这一时期的工具大多用C/C++编写，甚至某个无人不知的工具还把核心代码用汇编语言来写。
目前（>2015）的环境又不同了。NGS生信工具的流程基本固定了下来，只有当新技术出现的时候，会有一波工具爆发，不久沉淀下来之后又是一潭死水。现在和之前不同的主要有两点。一个是测序价格下降后，测序量持续增长，带来对多样本多组学的分析需求。需求的工具不再是对于个体的比对组装定量，而是群体多维度分析。另一个是单细胞和空间转录组，把研究粒度进一步细分，由此也会产生大量数据和分析需求。在这个情况下，生信的工具开发在实现功能、算法优化方面可做的不多了。因此，越来越多的工具用python和R来写。这俩货的运行速度和内存效率都很不理想，大概慢C语言50倍。但他们是面向数据分析的语言，入门容易开发快，非常适合探索性分析。生信在这其中扮演的角色，更多是数据整合、解读、可视化。
就以发展之快来说，很难讲多久之后生信的角色会再次变化。到目前为止，这都很取决于生物的技术创新。