请问计算机生物学，生物信息学，生物统计这三门专业哪个更适合这样的我?

good

学生物的我，还是想挣扎一下，恳求知情人分析下这三门专业哪个未来更有发展空间，即是在公司中这三个专业更缺少的是哪方面人才？
本科是生信，但总感觉自己的计算机方面并不是很好，可能未来也只是给别人跑跑数据，干不来更高一层的事情。
生物统计是下学期的专业课，现在并不是很了解，也不清楚做这一方面的人从事什么，但听老师说，这个专业貌似比生信好找工作？但我也不是仅仅求好找工作，想知道它适不适合计算机不是很好的我，更在乎的是一般薪酬
计算生物学的专业课上学期学习过，感觉这门课应该是以后需要继续读下去的，更偏向科研，那是否就意味着这门课并不适合现在看钱途的浮躁的我？
QAQ最后一个问题，请问我去新加坡深造合适吗，目标是新加坡国立，不清楚那边生物公司多吗，签了卖身契后，能找到工作吗？或者以国立为跳板继续深造？
恳请望前辈指点，谢谢！
原文地址：https://www.zhihu.com/question/39970137

队长是我

生化环材是众所周知的天坑专业，即生物、化学、材料和环境，在陈思炜：天坑专业，如何辨别？如何脱坑？中我就提到过，其特点是：
就业差
跨专业难
工作环境差
既然有坑，那就势必要想出脱坑的方法，于是有这么一种声音在最近很是流行：

“生物专业只要转生物统计学，往统计学方向靠，就会有光明的未来！”

甚至还有人说：

“只要读了生物统计，毕业就能拿到100万的年薪。”

似乎陷入“生物“大坑中的学生，只要抓住了”生物统计”这根救命稻草，就能逆袭，甚至“起飞”，颇有种“今天你对我爱搭不理，明天我让你高攀不起”的架势。


然而事实真是如此吗？
接下来我将会通过这篇文章，带大家看清生物统计学这门专业的方方面面，也会提供其强相关职业在国内外发展的具体前景。
还是那句话，你得先明白你去干的，去学的是个啥，不然只会从一个大坑跳向另一个大坑！

<hr/>
今年，一些新开设的专业迎来了首批入学的学生，其中包括我们的“主角”生物统计学专业。


相比国内的刚刚兴起，在美国，由于新药的研发和临床实验领域的更加发达，生物统计学已是一门相当成熟的学科，其通常设置在公共卫生学院下，但千万别被这点给迷惑了：相比于公共卫生学院下其他偏人文的专业，生物统计学是一门强调数学的学科，需要系统性地学习数学和统计课程。


有很多生物统计的教授在统计系也同时担任教职，这一现象侧面印证了:“生物统计学”的重点是统计学，而非生物。
为了更清晰地阐明这点，我用一个例子进行说明：

你为一家包子铺做数据分析，需要知道包子的种类（是菜包还是肉包）、储存时间、烹饪时间等信息，才能建立合适的模型和变量。  但包子具体的面皮怎么擀，馅怎么混，你能不能亲手做出好吃的包子......这些并不重要。

由于很多学生不愿过早地限制住自己的专业细分方向，所以他们更倾向于选择统计学这样一个广泛的领域。
因此，生物统计这样一个较为细分的专业受关注并不多，导致其硕士申请人数相对较少，竞争程度也相对较低。
这也为一些跨专业的学生提供了机会，甚至有些传媒专业的学生也能够申请到生物统计的硕士项目。
这从另一个角度说明了，生物统计的硕士阶段的学习难度并不高，而这既是件好事，也同样是件坏事。
因为只读到硕士的学生大概率会遇到“好就业≠就业好”的陷阱，虽然就业率不低，起始薪资也不错，但日后成长性却极低，不可替代性极低，越老越“不吃香”，具体逻辑可以参考以下两篇文章：

a

a



图片源自文章“数据分析师？被多数人高估了！或面临失业”

生物统计学研究方向

生物统计有这么三个研究方向：


方向一：
每种药物从诞生到流入市场进行售卖，中间必须要经过一道严格的科学程序——药物临床试验，以证明药物在体外和体内的安全性和有效性。
而在实验过程中，研究人员不可能让所有潜在的用药者都参与测试，他们会根据生物统计师的意见选取一定数量的人，作为试验对象进行随机、双盲、对照的试验，然后再经手生物统计师，分析p值或置信区间来判断药物是否达到预期的效果。
正是有生物统计师的存在，才让临床实验更加科学、可靠，否则，临床样本的数量和试验的终止点就没有客观的依据了。

方向二：
基因数据是生物数据的一种，包括基因组、转录组等，基因数据的研究方向有：
基因识别和注释：从DNA序列中找出基因，并说明其结构和功能。
基因组比较：比较不同生物或个体的基因组序列，发现它们的相似和差异。
基因表达分析：测量不同条件下细胞中RNA的表达水平，分析基因表达的规律和影响因素。
基因网络构建：从基因表达数据中推断出基因之间的相互作用关系，构建基因调控或信号传导网络。
基因关联分析：寻找与某一性状或疾病相关联的基因或位点，为遗传改良或药物开发提供候选靶点。

方向三：
生物统计学大数据科学研究方向，是用大数据和机器学习分析生物医学数据的学科。这一研究方向有：基因组学和生物信息学：用机器学习分析基因组、转录组等高通量数据，研究基因的序列、结构、功能、变异、进化等。
系统生物学和网络生物学：用机器学习构建和分析基因调控网络、代谢网络、信号传导网络等，研究生物系统的组织和调控。
精准医学和转化医学：用机器学习结合临床数据和分子数据，预测和优化疾病的分类、诊断、预后、治疗响应等，为个体化医疗提供决策支持。
生物医学图像分析：用机器学习处理、分割、检测、识别、重建等生物医学图像（如显微镜图像、X光图像等），提取有用的信息和特征。

生物医药行业发展现状

行业的整体发展状况是影响从业者起始待遇和后续发展的重要因素，而这两点又很大程度影响了一个专业对学生的吸引力。
所以问题来了，在中国，生物医药行业的发展现状如何？
先给大家提供一个基本的认识，中国创新药（生物医药）行业在2019-2021曾一度达到高峰，催生了上千家创新药公司，并产出了数千件临床批件。
而自2022年后，则走了下坡路，从国内生物医药投资的成交金额和项目数量，我们得以窥见这点。




宏观层面数据已然不容乐观，而微观层面也大抵如此......

研发管线被砍：



制药巨头罗氏剔除6条研发管线



诺华、艾伯维砍研发管线

药企裁员：



药明康德2023年上半年裁员3065人



渤健、诺华纷纷裁员

厂房贱卖：



和铂医药亏损近30%也要把生产厂房出售


这些药企的公告中，“变现”和“降低运营成本”等成为了核心关键词
上述这些新闻可能会让人误以为生物医药是一个前景黯淡的行业，就像土木工程一样。
但这种看法是错误的，因为周期性是经济发展中的必然现象。
大宗商品和房地产自不必多说，而即便是新兴的科技行业（如互联网、芯片）也有其周期规律：互联网行业经历过21世纪初泡沫破裂和数年后的新一波繁荣，近年来再次震荡，芯片行业更是在过往多年反复呈现出周期性价格行情波动。



显卡市场的波动异常剧烈

其实质是产业发展内在的自我调节机制：任何行业的发展都可能存在阶段性过热或者过冷，背后是资源投入与价值创造步调的错配。
让我们来看看这一规律是如何在生物医药行业得以体现：
自2015年的722临床自查开始，一系列利好生物医药的政策出台——药政改革、科创板、港股18A......
与此同时，19年新冠疫情的蔓延也引起了人们对于国产独立制药的渴望和对于健康的追求。


在种种利好的叠加下，一时间，大量的资本和焦点投向了生物医药行业，却鲜有人指出生物医药行业的几大缺陷：

• 国产创新药溢价低，很难国际化，利润率低；
  

• 新药研制周期漫长，成功率低，资本退出的手段相对单一；
  

• 配套人才和技术无法和资本同步跟进，短期内创新乏力，无法创造对应价值；
  

• 因疫情防控需要，大量临床实验者非必要不就医，志愿者招募困难，更有大量医患主动退出临床实验，医疗资源倾向防疫......
  

加之全球经济周期、逆全球化的地缘政治格局、美元加息等外界因素的催化下，过剩的资源未能如预期般创造足够的行业价值，投资回报不佳，导致资本撤出，泡沫破灭，行业陷入寒冬。
但任何行业都有从野蛮生长、寻租横行到逐步规范、可持续发展的过程，我们应该认识到这一点，并给予它们成长的空间。
对于生物医药这样的刚性需求行业，行业寒冬其实也是一个冷静期，相比过热期的乱象，当下的环境或许更适合从业者踏实做事。
近年来，尽管海外高层次人才回流众多，CRO/CDMO公司蓬勃发展，为中国创新药行业输送了大量人才。然而，这些人才与国内创新药需求相比仍显不足，而且海归学生的地域分布不均，造成的“水土不服”，限制了中国创新药的进一步发展。
这意味着，在未来的一段时间内，国内培养的生物医药专业人才将更加受到市场的欢迎，同时这也会是教育改革的必然趋势。
我们不难发现，虽然中国的生物医药行业还存在着种种的不足，当前也陷入了停滞乃至衰退期，但政策整体的扶持态势依然存在、人们对于健康消费的需求增加、老龄化社会所需要的医疗成本控制、相关制度的不断完善优化.....因此于相关专业的学生而言，这绝对是一个存在发展前景的行业。
所以要不要选择一个专业，进而进入一个行业，正确的择业观不该是“追涨杀跌”：什么行业是市场上的香饽饽，就想着去卷，而是要做好调研，知己知彼，比如像我之前提到的：要想胜任生物统计师的岗位需求，需要具备充分的数理能力，否则该选择一些中前台结合的岗位。
前中后台的分类概念可以参考这篇：

陈思炜：【精】为何很多人不愿做后台工作?——一文带你分清「前中后台」（共8602字，各行业通用）

生物统计学就业方向

近年来，新冠疫情也促使生物医药企业探索新的商业模式和渠道，如线上诊疗、远程监测、智能制造等，国内就有类似的平台，比如药研社，这样互联网与临床研究结合的公司也可以作为生物统计专业学生的就业方向。


由于生物统计学的学生受过相当完善和正规的数据分析训练，所以除了医药大健康行业，也可转型到互联网行业或咨询公司做数据科学家或市场分析的工作，也有极少数人去到金融行业做量化工作。
即使不想去到业界工作，大学、医院、各种研究项目也需要生物统计学的人才。
但以上这些好就业也是有前提的：
作为典型的高端技术类中台岗，如果想要在相关专业领域有可持续的发展，一个偏量化的博士学位是必要的（美国的MPH也有生物统计方向，但对量化的要求比较低，因此这个学位并不符合要求），这个逻辑在我这篇文章也有提及：

a
以上这些工作都是偏体制、学界或弱相关的从业方向，而大部分生物统计学的学生还是会选择去到药企或是CRO中工作。


相比医药企业，CRO对于大多数人来说，或许是个陌生的名字。
一款药品从研发需求提出到最终上市销售，需要经历许多复杂的细分过程。这些过程可能涉及到不同的领域和技术，而且往往耗时长达数年甚至十几年。
在这样的情况下，只有少数大型药企能够自主完成所有的过程，而大多数药企则面临着资源和能力的不足（这也是近年来药企出售厂房的一个重要原因）。因此，“外包”成为了解决这一难题的最佳选择。
把销售外包出去叫CSO（sales），把生产外包出去叫CMO（manufacture），而把研发外包出去就叫做CRO（Contract Research Organization）。
CRO又可以被分为临床前CRO和临床CRO：


在整个流程中涉及多个岗位与职能。
其中，有些岗位是由临床试验的申办方（通常是药企或者研究机构）指派的，如CRA（临床研究员），他们负责监督临床试验的执行和质量；有些岗位是在临床试验的地点（通常是医院）工作的，如CRC（临床协调员），他们协助医生进行一些非医学性的工作，如受试者招募、资料收集等；还有些岗位是在临床试验的后期工作的，如DM（数据管理员），他们负责建立和维护临床试验的数据库；以及PV（药物安全专员），他们负责跟踪和报告不良事件，并定期更新SOP（标准操作规程）。


那么生物统计学的学生又能在其中担任哪些职位呢？
其中相关性较强的，主要有这么两类职位：SAS编程（或称Statistical programmer）和生物统计师。

SAS编程

医药SAS程序员的工作内容包括：

• 协助数据管理部门完成数据质量核查，及时发现和解决数据问题，保证数据的准确性和完整性。
  

• 按照CDISC标准将原始数据转化为递交用的数据集，包括SDTM和ADaM，并撰写相应的数据集说明书。
  

• 根据统计分析计划生成统计图表，包括表格、列表和图形，并将分析结果呈现为易读的报告，为临床研究报告或者学术发表提供支持。
  

• 与其他部门或者外部合作方进行有效的沟通和协调，解释分析结果，回答相关问题，确保项目的顺利进行。
  

医药SAS程序员需要具备以下的能力和素质：

• 统计学或者生物统计学的专业背景，熟悉临床试验的基本流程和规范。
  

• 精通SAS编程，了解其他编程语言如R或者Python，能够使用各种工具和方法进行数据分析和可视化。
  

• 对药物和疾病有一定的了解，能够根据不同的研究目的和设计选择合适的分析方法。
  

• 有严谨的工作习惯和责任感，能够按时按质完成任务，遵守数据安全和保密的原则。
  

• 有良好的沟通和团队协作能力，能够与不同的人合作，表达清晰，态度友好。
  

医药SAS程序员从初级程序员晋升到高级程序员、主管程序员或者程序总监等职位，薪资在30万到120万不等，也可以转向项目管理、统计分析或者数据科学等领域。

生物统计师

生物统计师的工作内容包括：
在临床项目的早期阶段，参与评估研究的必要性和可行性，确定合理的研究终点，盲法，随机化，样本量等设计要素。
在临床试验进行中，与程序员，数据管理员等合作，监测数据质量，撰写和完善统计分析计划（SAP），指定分析数据集的定义，缺失数据的处理方式，统计分析模型等细节。
在临床试验结束后，根据SAP完成统计分析，对研究结果做出正确的解读，并撰写或协助撰写中期或最终的临床试验报告，以及向药监局或出版社递交申请。
在制药公司工作的生物统计师可以深入参与某个特定治疗领域的产品开发和策略制定；在CRO工作的生物统计师可以参与更多项目的合作，从而提升项目管理和商务谈判等能力。

一般来说，生物统计师的学历门槛为博士，而SAS程序员的学历门槛可以稍稍降低，其职能中包含的编程内容更多。
其大致的薪资区间是这样的：



美国SAS编程和生物统计师的薪资区间（汇率为7.3）



中国SAS编程和生物统计师的薪资区间

由于中国和美国在整体经济水平和生物医药行业发展水平上存在差距，因此中国的SAS编程岗和生物统计师岗的薪资普遍低于美国。这种情况在很多中台型的工作中也同样存在，这也是导致很多人选择出国留学转码，然后留在当地工作的原因之一。
其次，我们会发现，SAS程序员和生物统计师都有不错的起薪水平，并且随着工作年限的增加，他们的收入也有着可观的增长。
但是，如果仔细比较，就会发现，在入行第一年，两者的收入差距就达到了6万美元左右，这几乎是一倍的差距。而且，随着工作年限的增加，两者的收入差距的绝对值并没有缩小，反而有所扩大，说明无论是起始待遇还是工作成长性，SAS程序员都要逊于生物统计师。

这是为什么呢？
对于偏技术性中台的职业来说，技术的稀缺性、含金量才是决定其成长与起薪的关键，而这类技术往往需要相当强的数理、量化能力支撑，这种能力标准落到学生身上，最直接的体现就是读一个量化相关的博士。所以以博士学历为门槛的生物统计师自然会拥有更高的初始待遇和成长。
说的更具体些，SAS编程岗工作内容里大部分是纯粹执行、不参与决策的编程类工作，而数据分析和决策只占相对小比例。而生物统计师岗位的工作内容上，大部分是数据分析、实验决策、指标制定等工作，只有少部分是编程，与整个临床实验的大方向与最终质量高低息息相关。
道理很简单，贡献的价值越多，越不可替代，自然收入和成长更高。
这就带来了一个尴尬的问题，即如果在仅读到生物统计硕士的情况下，能找到的对口工作其实是以编程为主的SAS编程岗位，而非以应用、决策为主的生物统计师，如果学生本身不擅长编程，就会落入骑虎难下的就业局面。
要想破局，可能有人会想到通过读博来更上一层楼冲击真正的统计分析师岗位，但之前在千万不要随便读博！的文章里我已经阐述了——绝大部分人是不适合读博的！
那么此时，如果学生并不适合读博，则可能出现两种情况：
情况一：在读硕期间痛苦地硬补SAS编程，在毕业后度日如年地每天耗在机械、重复且低薪、低成长的编程类工作上...对于这类偏后台的职能来说，更糟糕的是，今后大概率有不少人会面临被AI等一系列自动化技术的颠覆！（生物医药行业的SAS程序员的前景会稍好，后文会提及）
工业革命的车轮在人类历史上无数次碾压过那些劳动效率远不及自动化的打工人...历史还将重演，只是时间问题。
情况二：硬着头皮去搞研究发论文申博读博，但很可能要耗费远超过正常博士学制的时间去获得一个含金量并不会太高的博士，甚至半途放弃导致既没拿下学位又没能在读博期间积累宝贵的实习经验，继而难以在求职过程中找到一份最基础的工作...
两头都落空的代价，是值得我们学生在起步前三思后行的！
虽然SAS程序员的发展空间和潜力有限，但他们凭借统计能力、编程能力和医药行业经验的复合优势，仍然比一般的低端程序员更具抗风险性。而且，他们的核心竞争力在于临床项目的实践经验，这也为他们提供了向管理岗位（管理型中台）或项目经理（前台）发展的可能性。


因此，尽管当前生物医药行业的形势严峻，就业市场竞争激烈，AI对许多工作岗位造成了威胁，但这两个职位的从业者仍然能够保持相对的稳定性。

总结

生物统计学是一门专注于分析生物类数据的学科。尽管我国的生物制药行业目前正经历低谷期，但从长远来看，仍然具备发展潜力。与此同时，国内生物制药行业存在巨大的人才缺口。
生物统计学专业的学生通常涉及SAS程序开发和生物统计分析，他们因为复合能力的需求而显得相对稀缺，难以替代。虽然该行业正面临不景气，但这些专业人才入职后受到直接影响（如裁员或降薪）的概率较低。
SAS程序员主要从事执行性工作，不一定需要强大的数理统计背景（通常硕士学历足够）。因此，如果他们希望专注于技术发展（中台），起薪和未来的职业成长可能不如生物统计师，但如果他们有机会转向管理或项目经理职位，前景依然值得期待。
相比之下，生物统计师的门槛较高（偏量化的博士学历），因此他们在起薪和职业发展方面具有更大的潜力。
在大环境不断下行的当下，只有根据自己的天赋和特点所在，选择适合自己的道路，并持续深耕，蹲的够深，才能在未来跳得更高。
但倘若没有找准自己的定位，即使付出再大的努力，也有可能面临骑虎难下的局面！
<hr/>其他内容推荐：
陈思炜：【精】大学生职业发展路径-四大方向+四大维度深度解析（共89884字，宜深度阅读，231219更新）陈思炜：数据分析师？被多数人高估了！或面临失业！陈思炜：某Top5大学23届毕业生就业率不足30%？附24-26届上岸建议【合集】职业规划&实习&求职（241篇视频-221128)持续更新中...104 赞同 · 9 评论文章【精】为何很多人不愿做后台工作?——一文带你分清「前中后台」（共8602字，各行业通用）415 赞同 · 39 评论文章【精】职业发展的「循序渐进」和职业生涯的「死亡三角」理论（共4865字）77 赞同 · 21 评论文章陈思炜：【精】AI时代80%职业受影响？智力型职业更易失业？（全文10782字）陈思炜：变天了？海归硕士就业优势尽失？留学劝退！理性读者进！陈思炜：【精】铁饭碗？财务会计职业危机将至！（全文8235字，宜深度阅读）陈思炜：【辟谣】宇宙尽头是编制？留学生优先？23年北京上海公务员录用名单QS100满屏？【精】失去应届生身份后，该怎么找工作？（全文共7689字）62 赞同 · 4 评论文章藤校留学8年花268 万，毕业4年做地产月入1.2万？（本文共5637字）20 赞同 · 0 评论文章陈思炜：测绘专业：他地信，你遥感，剩下工地抗大杆

继续前进

nus最近招到了zhangyang很不错可以试着申请下（但是难度很大且很硬核）剩下的国内生统暂时还没发展起来，个人理解上生信反而更生物一点，计算生物学更计算机一些，前途的话要是打算润感觉生统好一点，国内三者混淆比较严重其实差别不大。一切向钱看建议直接转码，这三个专业还是需要有一定热爱来支持你完成早期知识积累的

感恩由您

计算生物和生物信息算是一个方向吧，生统是另一个。就你的情况我觉得你更适合生统，或者直接转行。因为生信每天都得code，用得最多的是计算机的知识，生物的理解决定你的能力上限。但不擅长或不喜欢code对生信职业发展和自己心理上都不是正面影响。生统，coding少很多，基本就是处理数据加跑model，如果你更喜欢统计，数学，能接受r spss这种程度的coding，那挺适合你的。如果你也不喜欢统计，就只喜欢生物本身，那估计除了熬年头当ap我也想不到有什么好出路了。
就像你说的，生信到最后也就是跑跑数据，如果你说的是pipeline，那确实没什么意思。但是如果是从sequencing data中找出target，validation，甚至是自己提出新的biological hypothesis，这对于药企就很重要了，上限很高。然而这东西，究其本质不也是跑跑数据吗？
另外包括生信，生统，生物专业挣钱不是最多的，纯做实验甚至可以争一争挣钱最少的。。。如果看到这里你心里都还没有答案，那建议转行吧.

卡卡

我给你一个清单吧。从名称上这几个专业的重叠程度很大，要具体看有什么样的能力或做什么工作来确定具体的前途。后面我会把这三个学科统称生信。生信专业所需要学习的东西，可以分成三类内容：数学，计算机科学，生物学，（如果要做科研某些方向可能还需要点物理学，因为你说了你走公司路线，所以这个谨供参考）。你可以从具体的学习内容上判断，偏重什么方向更适合你。
首先说，国内的生物学专业的数理基础普遍非常非常差。做生信，很多人理解就是写代码处理数据，按照这样的目标学出来也就只能搬砖无论在公司或科研单位。所以我给的清单里有不少是打基础的，同时，我会给出每类内容的上限，因为生信最终的落脚点是生物学，所以学习其他的内容总要有个限度。那些属于那个专业自己而与生物学距离比较远的东西，可以不去学习。

数学：目前国内的生物专业总会有一年的高数，但是完全没有后续课程衔接:(。在这个基础上生信所需要的数学需要这样补：一个学期的初等概率论，一个学期的数理统计。如果学有余力，可以再加一个学期的随机过程。这里的一个学期是相当于48-72学时的学习时间的量。可以去其他专业旁听，推荐去听工科专业或者物理专业的，而不要去听数学专业的，因为你要学的不是推导定理，而是基于定理如何计算或建模。目前的高通量分析，最困难的是对数据的解释。这需要相当的统计学能力。生物专业本科水平的一个学期的生统（就你说的那种生物统计学课程）按这个标准要求，基本上可以忽略不计。即使在公司里，一个懂统计的生信数据分析人员肯定比只会跑流程的人更吃香。生信所需的数学划一条上限就是涉及实变和泛函的高等概率论和高等数理统计。换句话说，测度论不用去学。在这些与统计有关的数学内容之外，学有余力的话，可以看一点微分方程的东西以及数值计算的东西。
---有知友问到一些关于 计算机学科课程的问题，修改了下面关于数据结构这部分的说法---
---修改了关于语言的建议，希望对自学者的可操作性更强一些---
计算机科学：作为非计算机科学背景，首先会遇到的问题是学什么语言。专注地使用一种语言以达到一定的熟练度，是很好的思路。长期来看，如果从一种语言换到另一种，也是很好的经历，因为对多种语言的了解会增加对编程这件事的认识深度。当然如果能同时使用两种语言，或者是“高低搭配”的形式，比如C+python，或者是一种能写而另一种能看代码，都是很好的能力。具体到推荐什么语言上，推荐两个原则：第一“就近原则”。就是说，不是因为一种语言被声称是“最好的语言没有之一”而去学习它，而是你周围有什么朋友/舍友/同事擅长某种语言，你就跟着他/她去学。这样的一个优势是有了问题可以立即在专家那里得到答案。在学习的最初阶段，必然会出现大量的低级问题，如果有人能在十几分钟之内帮你说明白这些问题，要比自己花几天时间上网查答案要方便得多，痛苦程度也低得多；第二“多能原则”，编程语言作为一种工具，我个人推崇那种用一个工具完成尽可能多的工作的思路，而且作为非计算机专业的人员，必须考虑学习新工具的成本。就我个人来说，因为早年经历的原因，几乎所有工作都是用python解决，而且遇到字符处理直接就import re上正则，从不用shell或者awk/seed之类，当然我个人这是比较极端的例子。在具备初步的语言能力的基础上，有三门计算机的专业课要学，第一，算法与数据结构，从某种意义上程序就是算法加数据结构。对于非计算机背景的人，有太多的人（尤其生物学背景）满足与写能用的脚本而不注意程序的质量。实际上，当学一个语言遇到足够复杂的问题时自然会接触数据结构和算法之类的问题。这一关是绕不过去的。如果觉得严奶奶的数据结构学起来太痛苦，至少可以先从《大话数据结构》这样的入门书看起，而且，现在基于java乃至python语言来讲算法和数据结构的书已经有一些了可以选择。第二，以linux为例的操作系统，虽然是以linux为例很容易落入lin/win的口水战。但是，我想说的是，进程、内存、IO、文件。这才是最核心的东西。第三，数据库，关系、范式，至少要知道一点。SQL要会用，mysql/postgresql要玩玩。因为生物信息学一个重要内容就是在现成的公共数据库里找东西。这三样东西也可以按照一个学期48-72课时来学习。但是语言的话需要大量的时间去练习，多写代码才会有感觉。划一个上限，偏硬的东西，电子电路之类，不用学；偏软的内容里，面向对象，网络工程，软件工程不用学。因为生信中的软件是给基本上有相近水平的同行用的，而不是给完全小白的外行用的，而且往往是在计算集群上用命令行实现的，因而图形界面的东西完全可以不考虑，也不太需要网络传输的东西。
生物学：生信要学的其他专业的东西那么多，自己专业要学的东西肯定要减，而只保留最核心的骨干课程。这里我列七门课。基础的：动物学，植物学，微生物学；进阶的：生化、细胞、遗传；高级的：分子生物学。不能再少了，再少就不是完整的生物学背景了。如果学有余力，基础的课程可以增加有机化学，进阶的课程可以增加生理学和生态学，高级的课程可以增加进化生物学，基因组学和种群遗传学。这些课程也基本都是一个学期的内容。这里国内很多专业会开设的所谓四大工程不推荐。这可以看成生物专业的“上限”，因为做生信所面对的是高通量的生物实验技术所产生的数据，遗传工程细胞工程之类，基本用不到。
最后顺带说一下物理学，做生信需要的物理背景很容易被忽略。但是在做进化生物学或者系统生物学的研究中，往往需要一点这方面的内容。在大学普物基础上，学一门物理化学，再学一门统计物理（有的院校生科院会开一门有相当重叠的物理化学课，也好）。这里面，物化是普物，有机化学和统计物理之间的过渡，如果基础好，可以跳过这门课直接学统计物理。有了前面的数学基础，统计物理基本上不难，顶多在重整化群那里会遇到一点困难，稍微多下点功夫也不是问题。如果是做偏基础的研究并且个人有兴趣且学有余力的话，多看一点非平衡统计物理的内容，会对将来的发展非常有好处。
可以这样跟你说，目前我接触到的基于组学的整个科研和产业圈，生信人才奇缺，能招到的人，能顺利把流程跑下来的就算是合格人才了，能面对客户理解需求并完成流程的人员，奇缺。同时，国内的生信专业普遍很水。与科研和产业对接所需的完整训练严重不足。你对照我上面的清单，自己把基本功练好，出去找工作应该不愁薪酬的问题。

继续前进

生物统计是搞统计的，统计方面的基础是核心
计算生物学是搞生物的，生物方面的基础是核心
生物信息学是搞信息的，信息方面的基础是核心
但其实，从就业市场而言，并不是这么搞的。想要高薪，一定要提升计算机方面的操作和理论水平，过去十多年看来，这是不二法门啊。其次是统计学，有助于树立起数理基础的门槛，秒杀培训班出来的码农。生物嘛~~~~看兴趣了，想在你提及的这三个领域发展，还是需要点基础的，跳到其他领域去就没太多用了。