关于读研和生信学科的思考

不知不觉已经过去一年了，从雁栖湖回来也4个月了，说说自己现在对读研的思考吧。

第一点，对生物学和生物信息学有了新的认识

一年前刚刚大学毕业的我写了一篇博文 Best生信学家应该掌握的数学，当时我提到不懂算法原理只是使用计算工具来解决生物问题的研究者本质还是生物学家，那个时候的我很追求计算技术上的创新 。
现在我的认识是，无论是实验还是计算工具， 只要能用 最简单的方法 解决重要的科学问题，他就是一名好的研究者。 盲目追求技术创新没有用。 生物学这门学科正在逐步革新， 再厉害的算法 如果不能应用到真正探索生命的奥秘本身，那也是徒劳无功。 Bioinformatics解决的就是生物医学的问题。 所以最近我要恶补生物知识了。。。。。。

另外，最近学术界有较多的大风波， 很多时候我也比较疑惑， 生物学实验可重复性这么低， 我们真的应该去相信实验手段得到的结果吗？ （毕竟计算手段的可重复性很高）
我自己给的答案是，我目前更相信计算给出的结果， 实验结果来做辅助。

第二点，未来准备做的方向

系统生物学和健康信息学 生物信息学我觉得更多的是，基于传统统计学方法 来从基因/转录组等层面的组学数据里面挖掘有意义的生物学模式，解决生物学问题，但是它的学科思考模式不够系统。 现在有非常多的组学流程，也有非常多seq方法， 拿到数据之后，普遍的做法是按照现有流程走一遍, 未来这些流程都会部署到云计算平台上，走流程的人其实没什么竞争力。 而缺的这个点 我觉得是系统生物学的一些思考模式。 我们应该是综合运用数学，计算，物理， 统计等建模手段来定量描述生物系统。 至于怎么统一这些方法来定量描述，目前我还没有太多思路，现在觉得一个行之有效的方向是Network biology。 因为网络可以非常好的去描述实体和实体之间的互作关系， 而生物学又恰恰是一个需要不断建立关联的学科。

关于健康信息学， 因为未来肯定各种网络传输特别互通，人的体征数据采集绝不是问题， 有效整合基因数据和表型数据来做疾病风险预测 以及一些行为预测，我个人认为绝对是新趋势。（例如ECG和genome数据的整合）

但是，由于现实原因自己目前先在Network方面耕耘， e-health的内容我会持续关注

第三点，读研感悟

前面总结了一下自己对学科的认识，先在再来说说读研感悟吧。
这一年发生了很多事情，我自己最深的体会就是，
1- 做任何谈判要考虑共赢
2- 面对明显不公平的事情学会独自消化情绪， 面对自私的人学会坦然相处
3- 一切靠自己
4- 虽然坏人有一些，但是世界上好人也很多 哈哈哈