基因组学前景如何？

balabala

本科生信，想要考研基因组学，有点迷茫不知道该不该考

原文地址：https://www.zhihu.com/question/468036734

队长是我

#寻找anomaly
基因组学的重要前景之一，在于与实验手段结合，从而在医疗健康方向的实现“逆向工程”
从特殊人群、族群、物种找到特殊功能的、强效基因缺失或过表达的作用，然后反向设计药物、疗法、材料、生物制造产品等等
例如：这个成年人长牙的药物，有机会2030年推出。是从缺牙症患者入手找到阻碍牙齿生长的关键基因和蛋白
牙没了，用药就能长回来，这项新研究或许能造福许多人又例如：艾滋病病人的CCR5干细胞疗法
出发点是携带特定变异的病人，CCR5受体蛋白缺失，从而阻断了HIV病毒进入宿主细胞繁殖的路径
是艾滋病治愈的新希望吗？全球首个可能通过CCR5野生型造血干细胞移植实现HIV治愈的病例出现

清风寡欲

基于k-mers的GWAS分析的模块化工作流程
识别基因型和表型之间的关联是理解复杂生物性状遗传结构的基础。自2000年以来，全基因组关联研究（Genome-wide association studies, GWAS）一直是检测遗传变异和表型之间是否存在关联的首选方法。通过GWAS，对不同样品队列的数千个性状进行了调查，已经产生并报告了许多具有统计学意义的关联。这些发现使我们更好地认知复杂的人类特征和疾病，有助于改善植物育种和动物健康，并在其他方面显著影响着我们对遗传学的理解。
经典的GWAS方法使用全基因组范围的单核苷酸多态性（single- nucleotide polymorphisms, SNPs）作为基因型数据。在一个标准的GWAS分析中，使用统计模型测试SNP标记与表型性状的统计学显著关联。GWAS利用标记和因果变异之间的连锁不平衡（LD）信息来识别性状相关的基因座。然而，尽管这种方法具有明显的优势，但也有各种局限性。当前研究已表明，由于连锁不平衡的特性，GWAS往往无法确定因果变异。此外，这些研究主要依赖SNPs作为遗传变异的标记，而往往忽略其他变异，如结构变异，因此有时只能解释复杂遗传力的某些小的方面，尤其是在涉及高度复杂性状的情况下。此外，GWAS还可以识别假阳性的关联，并且无法捕获由罕见变体引起的关联。
GWAS分析的质量还取决于参考基因组的可用性和质量。传统的GWAS依赖于将测序读数比对到参考基因组，然后检测遗传变体。这个比对步骤可能会在变异检测过程中造成偏差，因为参考基因组通常是不完整的，并且可能无法代表群体内的全部遗传变异。此外，有误的比对可能导致不正确的变体检测，尤其是在复杂的基因组和/或重复区域周围。
由于这些限制，目前科研工作者正在开发更多、准确性更好、更易用的GWAS方法。这些较新的方法包括但不限于使用单个物种的泛基因组而不是单个参考基因组，以及使用SNPs之外的新标记，如结构变异和k-mers。
下面的流程图展示了一种基于k-mers的GWAS分析的模块化工作流程：


对GWAS分析设计感兴趣的老师或同学可以关注公众号“多组学数据分析和信息挖掘”（微信号：bioInforMiner）与我联系！
Reference
Corut AK, Wallace JG. kGWASflow: a modular, flexible, and reproducible Snakemake workflow for k-mers-based GWAS. G3 (Bethesda). 2023 Dec 29;14(1):jkad246. doi: 10.1093/g3journal/jkad246. PMID: 37976215; PMCID: PMC10755180.

大力水手

人类基因组计划（HGP）的构想始于上世纪80年代，1990正式启动，并于2000年成功绘制出人类第一张基因组图谱的草图（完整图谱于2006年5月获得），2001年 nature science 同步报道了这一世纪成就。
基因组学行业发展起步较晚，严重依赖测序技术的发展。NGS平台的上市发布始于2005年，即罗氏的454焦磷酸测序。但价格一直都是很高的，当时很少有实验室可以获取测序数据，往往带测序的文章会更有卖点。直至2014年 illumina 推出 HiseqX 系列测序仪，测序价格开始断崖式下跌，测序商业化成为可能。也是从这一年开始，基因组学分析相关的实验室开始卷上加卷。
目前来看基因组学方面的数据分析没有突破性的改进，大家更倾向于把此类分析作为一种工具，更重要的是你研究的科学问题。如果只关注基因组学分析，学学技术什么的，硕士毕业应该问题不大，但是很难支持博士毕业。最重要的还是科学问题。
现在已经过了组学计算的绝对红利期，相关产业（产前诊断、癌症筛查及用药推荐等）正在逐步成熟，甚至部分赛道已经出现了相对稳定的竞争格局。这意味着最早的那波风口已经过去。但这不意味着这个领域就应该被绝对否定。目前虽然产生了海量的测序数据，但真正从中解读出的信息非常有限。这一方面意味着解读爆炸式增长的高维生物数据本身是非常困难的；另一方面也意味着这个领域还有很多未成的事情等待人们去探索，并不是一个夕阳行业。
研究生阶段是为数不多的有大块时间去积累经验、提升能力的阶段，基因组学分析可以逼着你将代码和基本的高等数学学起来、练起来，会培养你相对其他生物专业更高的逻辑思考能力，这对于之后的人生发展也许会有一些益处。

清风寡欲

不要学基因组学了，测序技术这么发达，可以看到的未来是就不需要组装了，建议如果现在入坑生信，侧重基础医学吧，这样价值更大一些。

队长是我

如果想进公司，本科就可以去了。现在内卷严重，早点就业先占坑。生信行业一般人才并不需要那么高的学历，关键看技术。新的技术，新的流程出来的也比较快。我有一朋友就是本科生信进华大，现在待遇各方面都挺高的。有一高校要挖他，但是因为是本科学历，工资很低，落差太大，他直接拒绝了。
如果想进体制内，那么久要读研究生，生物类专业最好读到博士。高校研究所基本都是博士（辅导员之类的岗位可能要求低一些，但起码也是硕士）。如果比较厉害，能独当一面，公司也会抢着要的。