computational biology | Bioinformatician

对自己的定位要明确，不要定义为码农，我是computational biologist.

入了这一行就不要三心二意，这基本注定你未来10年都在干这个，就算要转行也要先把这个做好。其实大多数人最喜欢的肯定是心理学、哲学、脑科学、人工智能，其他的真的没什么意思，虽然有时候觉得未来挺没劲的，老是做这些，但是稍微比较一下，computational biologist还是挺有意思的。

抵抗诱惑，科研是真的枯燥，大部分人是完全无法忍受这份无聊、孤独和压力的，还好现在是论文和基金导向的，大部分人才有目标，如果都没有考核和激励，科研根本就没有人来做。长期保持专注于科研本来就是一个非常难的事情。

心态摆正

心歪了，做什么都是白费，就像老板说的“你要是这个态度，那你永远都不可能取得进步”，确实，心态太重要了。

乐观者总在想如何解决问题，悲观者总是沉浸于问题所带来的烦恼中，这两者之间的执行力会有天壤之别，我们大部分人也是常常在这两者之间徘徊，一定要了解并管理好自己的情绪。

一旦陷入了自悲的状态就只能靠自我的顿悟来解脱了，其他任何人都帮不了你。一个简单的判断自己情绪的方法，平时自己爱吃的食物、爱做的事情、爱听的歌自己现在是否还爱？悲观者做什么都会觉得没劲。

兴趣

没有兴趣，难以持续发力，顶多偶尔爆发，后面还会被反噬。生活和科研都是场马拉松，笑到最后的才是赢家，如果你不让自己喜欢上马拉松，那你肯定是跑不下去的。

长处

田忌赛马，弯道超车，对于我这种开局就落后，智力平平、一般努力的人而言就显得极为重要。

专注

学海无涯，你需要潜入深处，发现新大陆，而不是在水面上浮着，扑哧几下。现在这个世界所有的信息都是过载的，在科学界更是过载，每天发表的paper不计其数，你永远都跟不上。

但我们是科研工作者，我们不必要什么都会，但是按照我们的研究方法，我们能在某个细微的领域有所创新，取得突破，这就足够了。

随时出发

不要指望上完所有的课之后再去开始展开科学研究，基础固然重要，但没必要过于执着，可以边做边学。

每一次的presentation都只有15min，你只能选择性的讲。

模仿

平时看到paper时，看到有用的分析方法，很有用的图，自己可以模仿一下，培养手感。

专业思维

每个行业都有自己的套路，先学习套路有利于入门，后面再谈创新。

尤其是在专业的presentation时，PPT一定要有逻辑（上次被老板批惨了），不要什么都讲又什么都没讲清楚，搞得跟个文献汇报一样。

终身学习

A New Online Computational Biology Curriculum

格局

渺小的人都是奴隶，即使当了皇帝，如果人格渺小，一样是奴隶。

不想当将军的士兵不是好士兵。

总有一天我们要离开打工者的位置，如果格局起不来，就算你做了PI当了领导，最终还是会垮掉，沦为屌丝的，这样的实例太多了。

落实

要有发表欲，当然不是要你拼命作假、灌水，而是自己有了创新之后就要写成论文，把代码写成package，供后人使用。

塑造自己在领域内的影响力，知名度，以期获得更多的合作机会。

研究方向

1. bulk和single cell的打分模型；正好有验证数据；

2. 基于marker的subgroup鉴定；现有的pseudotime和diffusion map；

3. 非聚类的细胞分析方法；

4. lncRNA的分析和鉴定；大数据集、神经网络；one-class

5. 写个DEG分析方法；

6. get marker function；

7. Batch effects评估， detected gene number是否需要评估？

8. SOX10的missing到底是怎么回事？如何评估？