生物信息学怎么样？

007

生物信息学怎么样？
原文地址：https://www.zhihu.com/question/65640368

队长是我

这行业，不深造就别来了，一线城市硕士白菜价税前12k-16k，博士18k-25k。现在药企受打击严重，很多人去了科服，而科服要跟着高校一起卷，过的一点也不轻松

清风寡欲

在你对生物信息学这个专业有了全面的了解之后，相信你会对这个专业抱有希望。
什么是生物信息学？





生物信息学是应用计算技术来处理与分子生物学相关的快速增长的信息库。生物信息学结合了不同的研究领域，包括计算机科学、分子生物学、生物技术、统计学和工程学。它对于管理和分析大型数据集特别有用，例如由基因组学和蛋白质组学领域生成的数据集。
生物信息学的发展





生物信息学领域已经存在了几十年，但是由于人类基因计划，生物信息学在2000年得到快速发展，人类基因计划是一个具有里程碑意义的国际科学研究项目，于 2003 年 4 月完成，首次提供了一个完整的基因蓝图。
生物信息学在越来越多的领域得到应用，例如基因测序、基因表达研究和药物发现。例如，在医学中，生物信息学可用于识别特定疾病与导致疾病的基因序列之间的联系。药物基因组学领域使用生物信息学数据，根据患者的 DNA，为接受治疗的患者量身定制治疗方案。2通过开发新的、更强的抗体，生物信息学也可用于开发更有效的疫苗。
生物信息学的目标





生物信息学领域有三个主要目标：

• 以有效的方式组织大量的分子生物学数据
  
• 开发有助于分析此类数据的工具
  
• 准确而有意义地解释结果
  

生物信息学的出现和迅速崛起是由于计算能力和实验室技术的大幅增长。这些进步使处理和分析生命本身核心的数字信息（DNA、基因和基因组）成为可能。由于生物信息学可用于任何可以以数字方式表示信息的系统，因此它可以应用于整个生物体范围，从单细胞到复杂的生态系统。
生物信息学能够做什么的例子

生物信息学要处理的数量惊人的数据和信息，考虑人类基因组。基因组是生物体的完整 DNA 集。
DNA 分子由两条扭曲的、成对的链组成，每条链由核苷酸碱基组成，包括以下内容：

• 腺嘌呤 (A)
  
• 胸腺嘧啶 (T)
  
• 鸟嘌呤 (G)
  
• 胞嘧啶 (C)
  

人类基因组包含大约 30 亿个这样的碱基对。基因组测序涉及找出所有 30 亿个这些 DNA 核苷酸的确切顺序，如果没有大量的计算能力，这是不可能实现的壮举。3
科学家们已经解码了数千种生物的 DNA，创建了一个庞大的遗传数据库。这已经创建了许多以不同方式使用这些数据的子字段。一个例子是计算进化生物学。该研究领域着眼于一个物种的 DNA 如何随时间变化，提供比物理比较所能提供的更详细的信息。
参考资料：https://www.investopedia.com/terms/b/bioinformatics.asp

感恩由您

生信在中国大陆的情况可以用三个“不太”来概括：下限不太低，总体不太卷，上限可以高但高的坑不太多。
生信在中国不是显学，有能力没情怀，尤其对生物没兴趣的，不必进来蹭这个半冷板凳。
往后几年，中国的生物医药、测序分析这两个领域还是会不温不火地缓步发展；同时会出现一定数量的生物数据挖掘公司，可以肯定的是有闷声发财的人，但是岗位不会爆炸增长。

清风寡欲

自新冠爆发以来，生物信息学的分析在整个病毒研究中发挥了重要的作用。从最初的系统发育树证明Covid-19与SARS病毒的亲缘关系，到最近的“基因组+生物地理学”分析，都体现了生物信息学在疾病控制和个性诊疗中的强大应用能力。
今天的文章，何老师来与大家具体聊聊生物信息科学与最近大热的数据科学都是什么？有什么区别？生物信息学家可以转换为数据科学家吗？在这个过程中有什么挑战，数据科学家需要哪些技能呢？
到底什么是生物信息学？

生物信息学综合了数学、计算机科学和生物学的各类工具，通过处理生物带来的数据获得我们想要的信息从而进行预测。比如，在已知的序列里，用计算机找到它在哪个物种的哪个染色体上的哪个位置；或者是已知了特定序列，在另一些序列里预测组成成分。现在正处基因数据的爆炸时期，尤其是二次测序能产生无限多数据。
生物信息学和传统的生物学不同，包含了NGS和基因组学。只有真正了解数据的来源，才能更好地分析和处理，挖掘出背后隐含的生物知识，那么如果你想进入生物信息领域，你需要的基本知识点有哪些呢？

• 了解基因组、转录组、蛋白组、染色体、基因、表现遗传、变异类型等一些列生物原理
  
• 明白NGS技术、测序仪、NDA检测的基本方法
  

那么除了基本的生物信息以外，因为生物信息学是重在数据的，所以在这个领域中同等重要的是数学和计算机，主要是编程能力和算法设计能力。那么这就涉及到了，生物信息学专业的学生，究竟要掌握哪些技术技能点呢？
生物信息学家需要哪些技术技能？

除了基本的生物基础理论，生物信息学家需要具备以下技术点。当然大家不需要在以下每个方面都是专家，但至少应该了解，并在某些方面有一些实践的经历：

• 掌握Linux进行在Terminal中进行数据分析
  
• 至少掌握一门高级编程语言，首先推荐Python，其次如果有能力掌握C/C++则更好
  
• 学会使用常用的组学数据分析软件，比如bwa、samtools和picard等
  
• 有一定的数理基础和统计学基础，包括常用的假设检验，贝叶斯推断和回归分析等
  
• 多看开源的组学算法，比如在github上多了解
  
• 留意最顶级的CNNS杂志
  

数据科学家必备核心技能有哪些？

那么说完了生物信息学，近年来大热的岗位数据科学家们，应该需要哪些核心技能呢（只列举核心的必备技能包）：

• 数学与统计学的知识：统计学、多元微积分、线性代数等
  
• 编程技能：Python语言、R语言或Excel等
  
• 数据整合与预处理的能力：主成分分析法PCA等
  
• 数据可视化
  
• 基本的机器学习的技能
  
• 终身学习：多利用Github代码库来了解最前沿发展信息
  
• 团队协作力
  
• 数据科学的伦理道德
  

其实要成为数据科学家也不是一件容易的事情，因为不仅要掌握上述技能，还要能熟练的应用。。
这2个领域，求职者能互相切换么？

简单来说，不是任何生物信息学家都能成为数据科学家的，因为需要额外的学习数据分析的新技术和软件，但如果学生选择申请博士/博士后，增强了数据处理这方面技能的积累，这两个的界限会比较模糊。
但两者在工作的领域肯定是有很大不同的，数据科学家一般是在工商业界比较活跃的，通过分析数据来给客户产出新的产品思路，或者预测新的发展趋势。而生物信息学家则更关心的是如何利用生物学的数据，来发掘基因、病理等生物学新领域。
此外数据科学家很注重团队的合作，与和客户的互动沟通，而生物信息学家很多时候是独立思考和实践，较少的机会会进行公共演讲或合作沟通。
总而言之，这两个领域所需的技能是相似的，并且生物信息学家在掌握了一定技能后是可以在数据科学家的角色中进行转换的，但需要调整自己的思维来配合不同的行业。
更多留美干货，欢迎关注厚仁教育：
厚仁教育

同花顺

作为云计算行业从业人员过来插一句。
看一个学科怎么样，必须要观察其关联学科的发展。
其他不知道，反正随着计算机科学和云计算的发展，生物信息学的未来存在无限潜力。
特别是在2020年疫情的大背景下，大家都开足了马力寻找疫苗或特效药。
而在许多情况下，云计算可以给生信领域提供难以想象的超级算力。
特别是在摩尔定律逐渐逼近极限的当下，单机性能很难在短期内引来指数级别的飞跃，上云或许是现阶段最好的选择了。
比如在新药研发领域，当前虚拟筛选通常仅采样百万到千万个分子，而事实上目前可用于药物发现的有机分子已经超过10的60次方。
真的是筛到天荒地老。
如果上云进行虚筛，效率能提升多少呢？
根据《Nature》杂志在2020年3月的一篇论文显示，哈佛医学院发布的VirtualFlow平台能够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。
论文作者Christoph Gorgulla称，每个配体在一个CPU上的平均对接时间为15秒，筛选10亿种化合物大概需要475年，而他们利用VirtualFlow的平台在云端调用了16万个CPU，对接10亿个分子仅耗时约15个小时。
而且根据观察，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生信的未来或许真的在云端。
而作为云计算行业从业人士，我们是真的觉得云的未来充满光明。
所以生信的未来……
你懂的！
【假装此处有图】

码字不易，喜欢请点个赞哦~