IT方向转生物信息如何？

临床医师

本人本科三流211数学专业。毕业后一直做IT，工作10年，在bat待过两年，一路做云存储，云游戏，做量化交易，自学过深度学习。在各个公司都解决过不少小问题，但是始终没有能登堂入室的那种感觉(缺乏对一个方向持久的毅力，缺少一些长远的职业人生规划，没能做到优秀）。 现在觉得生物信息真的是个好方向，想全力投入到这个方向上。大概得想法是，在一家生物信息相关的公司，不断打磨自己的编程技能，重拾数学技能，应用到生物领域解决这个领域的问题。 请前辈们指点一二。 比如我的想法有哪些坑。
知乎喷生物信息的太多了，给我一种我要逆天而行的感觉。希望大家能不领赐教。

原文地址：https://www.zhihu.com/question/424722869

继续前进

IT人员，如果开发这样一个生信云平台网站（UseGalaxy.cn），不知道你要多久，是不是很容易？
<hr/>欢迎来搞生物信息。生物信息方面能制造软件的Tool makers是非常稀少的，因为搞生信的大多都是生物学出身，编程都是靠自学的一知半解。而编程恰恰是你的优势。如果来搞生信算法开发，那就是降维攻击。
生命科学领域相对IT行业，具有更高的技术壁垒，适合专业人才精耕细作，长久发展。另外从待遇方面来说，生信虽然没IT高，但咱们工作强度低许多啊，不用996，细水长流。
另外计算机行业说实话云计算，云存储，IT大厂已经搞得差不多了。生物公司有数据需要存储，肯定优先选择跟大厂合作，比如阿里。IT行业明显已经到一个瓶颈期了，除了前几年的共享单车，已经没爆款产品上市了。相反健康行业，现在正是风口。
从生信菜鸟到专家，我总结了一篇文章，欢迎交流。
如何自学生物信息学？

清风寡欲

作为一个生物信息相关行业的资深（划掉）从业人员，我来给题主打点鸡血。
好多生信专业的人，都担心自己的计算机技术拼不过计算机专业转过来的人。
对，说的就是题主这样的人。


有一说一，在今年新冠疫情爆发的背景下，生信的潜力是十分巨大的。
我们是做云计算的，看题主简介也做过云，众所众知（并不）云这个行业属于特殊行业。
哪里特殊呢？
别的行业都是被吹上天的，我们云计算本来就在天上（大雾）。

生信也在天上很久了，不过新冠疫情的出现，让事情有了更上层楼的可能。
现在新冠病毒从感染一百万到现在好几千万了，全球都不计成本地寻找疫苗或特效药。
不计成本的意思就是老子有钱。
这句话一出，很多原先难办的事情都瞬间有了转机。

就拿新药开发来说，动辄就是几十年，几十亿美刀。
现在上面发话了，老子有钱，研发费用加一溜零，麻溜滚去干活。
你该怎么做？
对于生信来说，可做的文章就大了。

拿药物研发中的虚拟筛选来说。
当前的虚筛通常采样分子数量级在百万到千万之间，而事实上，现阶段可用于药物发现的有机分子已经超过了10的60次方。
我们不过是从沙漠里捡了一粒沙子来做实验。
但是以前没有钱，只能望着茫茫沙海空流泪。
刚才我说啥来着？
老子有钱！！！
今年3月，哈佛大学医学院的研究人员在《Nature》杂志发表了一篇论文，该论文描述了一个叫做VirtualFlow的开源药物发现平台能通过云端整合海量的CPU对超大规模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。
哈佛大学医学院的研究人员称，根据选定条件，在一个CPU上筛选10亿种化合物，每个配体的平均对接时间为15秒，全部筛完大概需要475年，而他们利用VirtualFlow的平台，调用160000个CPU对接10亿个分子仅耗时约15小时，10000个CPU则需要两周。

这个思路也不能算完全创新，但关键的一点还是——
老子有钱！

而且该平台是可以线性扩展的，也就是说处理器数量增加多少倍，筛选能力也会随之增加多少倍。
关于这个平台的详情可戳：
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，作为云计算行业从业人士，我们是真的觉得云计算的未来充满光明。
哎哎？？？不好意思串台了，重来——

我们是真的觉得生物信息的未来充满光明！！！

加油！我们在天上等着你们起飞！


码字不易，喜欢请点个赞哦~

继续前进

不要做生物信息。
如果你想象的解决问题是帮生物医学背景的人写程序，你会面临程序卖不上价的困境，这在中国各行业普遍存在。
如果你想解决上云问题，这个国内五六年前一堆做的，国外十年前就有人做。需求有限，市场不大。
如果你想用算法解决类似人和猴子的基因比对问题，这类存算法问题有很多已发表工作，且中文生态圈有点滞后于英文生态圈，毕竟现在很多算法都是老外五十年前开发的。我之前在国内生信相关的还不错实验室学习过，有一次一个生物背景的生信大牛来讨论A问题，CS的老师如获至宝以为能发大文章，还规划了很久…后来我去了北美中上游实验室读博士才发现A问题是一个20年前的火热题目…你不读个博士深入了解这个方向很难发现未解但可解的有价值的问题。
如果你想用DL做生物应用，等你了解透了你会发现DL的生物应用到处都是，今天就已经一堆…
我感觉最适合你的是别人有了问题甚至是解法，让你来码程序。这个很像业务导向的程序员和生物关系不大，且薪水在各种程序员里算很低的。

检验医师

别做生物信息，生物信息本质上还是个研究工具，如果不是生物学、医学之类的背景，半路折腾起来很头疼的。
到了应用层面大部分都是IT的事情了
登堂入室这种缥缈的感觉， 没必要追求。即使要追求，也可以在计算机领域啊。云存储，量化交易之类都是足够有深度的领域了。

同花顺

技术上具有非常好的优势，但是生物学问题理解可能不是那么透彻。建议避开生信应用，从事生信中偏开发的方向比较有优势。