d*******g
发帖数: 26 | 1 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
说promising，因为以后在路边就会有给人测基因预测健康的。
对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
不能预测未来，但是想请教业内的人士给点指教。 |
s******a
发帖数: 252 | 2 Biomedical data analysis is hot and more than promising, but that's not
enough to make you hot and promising. There's always a good crowd. You need
one of these two reasons to get yourself in:
1) you have fun doing it;
2) you are good enough to get on top of many games including this one.
It's not about your background; it's about the drive.
【在 d*******g 的大作中提到】
: 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
: sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
: 说promising，因为以后在路边就会有给人测基因预测健康的。
: 对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
: 不能预测未来，但是想请教业内的人士给点指教。
|
p*******r
发帖数: 4048 | 3 如果你掌握了资源就promising, 因为最重要的paper肯定是给关系户发了的。
need
【在 s******a 的大作中提到】
: Biomedical data analysis is hot and more than promising, but that's not
: enough to make you hot and promising. There's always a good crowd. You need
: one of these two reasons to get yourself in:
: 1) you have fun doing it;
: 2) you are good enough to get on top of many games including this one.
: It's not about your background; it's about the drive.
|
t*d
发帖数: 1290 | 4 2 cents。
计算机在这个行业总是用武之地，但是不会是核心价值。那些make data，understand
data， interpret data 的人是核心价值。这些人大部分是理解大规模数据的医生或生
物学家。
【在 d*******g 的大作中提到】
: 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
: sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
: 说promising，因为以后在路边就会有给人测基因预测健康的。
: 对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
: 不能预测未来，但是想请教业内的人士给点指教。
|
s*********x
发帖数: 1923 | 5 depends on your lab. most of the good labs usually have good bioinformatics
collaborators. Unless you are a genius, for example, you can dig out
something interesting from published data.
【在 d*******g 的大作中提到】
: 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
: sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
: 说promising，因为以后在路边就会有给人测基因预测健康的。
: 对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
: 不能预测未来，但是想请教业内的人士给点指教。
|
M*******s
发帖数: 108 | 6 并不一定医生和生物学家能搞懂很多东西
觉得 Dynamic fluorescing 以后肯定是生物学发展的主要手段 因为 现在对
dynamic 的数据要求越来越多 static 的数
据已经没法满足生物模型的验证了
原来的生物学研究基本是 静态 的 focus在结构和qualitative的关系上面 这种研
究基本是有个intuitive的模型和
hypothesis（基本都只是在自己的脑子里有个模糊的模型）然后通过实验验证
但是这种研究方式已经基本快到头了 再用同样的methodology已经不够了 所以
dynamics 和 quantities 是必须的，这
样光靠intuitive的模型根本不够了 于是需要mathematical modeling和
computational simulation来帮助我们建立
hypothesis和model
所以说，分析生物数据以后不会成为生物学研究的中心（但肯定是必要的手段和工具，
除非你去研究数据分析方法，那就是
专门去研究统计了），真正能够成为中心的 是 math，model 和
【在 t*d 的大作中提到】
: 2 cents。
: 计算机在这个行业总是用武之地，但是不会是核心价值。那些make data，understand
: data， interpret data 的人是核心价值。这些人大部分是理解大规模数据的医生或生
: 物学家。
|
a****m
发帖数: 693 | 7 但是有一点，数据越来越多，什么model的数据等等，都会成为其中的一部分。 |
S**********l
发帖数: 3835 | 8 生物的那点儿东西，学学就会了。
话说回来，cs那点儿技术，学学也就会了。
现在这个领域opening还是可以的。去年cs的opening主要在bioinformatics和security
两个方向。但是生物系的opening给bioinformatics的并不多。
最好是拿cs的学位，搞个生物的方向，毕业一两年就能faculty。
【在 d*******g 的大作中提到】
: 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
: sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
: 说promising，因为以后在路边就会有给人测基因预测健康的。
: 对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
: 不能预测未来，但是想请教业内的人士给点指教。
|
a******k
发帖数: 1190 | 9 同意你对dynamics和quantities 数据越来越重要的看法
也许做计算机模拟和数学分析会越来越重要
但是在可预见的将来都还是很简单的模拟和分析
生物本身才是核心，这点在很长的时间内不会变
【在 M*******s 的大作中提到】
: 并不一定医生和生物学家能搞懂很多东西
: 觉得 Dynamic fluorescing 以后肯定是生物学发展的主要手段 因为 现在对
: dynamic 的数据要求越来越多 static 的数
: 据已经没法满足生物模型的验证了
: 原来的生物学研究基本是 静态 的 focus在结构和qualitative的关系上面 这种研
: 究基本是有个intuitive的模型和
: hypothesis（基本都只是在自己的脑子里有个模糊的模型）然后通过实验验证
: 但是这种研究方式已经基本快到头了 再用同样的methodology已经不够了 所以
: dynamics 和 quantities 是必须的，这
: 样光靠intuitive的模型根本不够了 于是需要mathematical modeling和
|
p***a
发帖数: 6202 | 10 如果你不懂生物，我觉得很难去分析生物数据，可能可以做一些modeling，不太可能自
己提出一些有趣的课题，所以估计只能做些辅助性的工作。
【在 d*******g 的大作中提到】
: 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
: sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
: 说promising，因为以后在路边就会有给人测基因预测健康的。
: 对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
: 不能预测未来，但是想请教业内的人士给点指教。
|
|
|
M*******s
发帖数: 108 | 11 生物有什么难懂的么？？？
这么几十年了，都还处于knowledge accumulation的过程 几乎没有理论的出
现 除了 central dogma 和
evolution 貌似窝找不出来了
剩下的就是 一堆 结果 需要记忆 抑或是根据化学和物理里面的观点和理论来理解
这些结果
窝也是生物的，窝觉得窝对于单纯的生物学研究还是有一些正确的看法的
提出的有趣的课题？？？ 看看那些有趣的课题 大部分都是从物理学的观点提出的
【在 p***a 的大作中提到】
: 如果你不懂生物，我觉得很难去分析生物数据，可能可以做一些modeling，不太可能自
: 己提出一些有趣的课题，所以估计只能做些辅助性的工作。
|
S**********l
发帖数: 3835 | 12 同感!我觉得生物已经有段时间没有突破了.
【在 M*******s 的大作中提到】
: 生物有什么难懂的么？？？
: 这么几十年了，都还处于knowledge accumulation的过程 几乎没有理论的出
: 现 除了 central dogma 和
: evolution 貌似窝找不出来了
: 剩下的就是 一堆 结果 需要记忆 抑或是根据化学和物理里面的观点和理论来理解
: 这些结果
: 窝也是生物的，窝觉得窝对于单纯的生物学研究还是有一些正确的看法的
: 提出的有趣的课题？？？ 看看那些有趣的课题 大部分都是从物理学的观点提出的
|
M*******s
发帖数: 108 | 13 而且生物科学里面 对一个领域有深远影响的 有什么呢？
大概可以分为两类
一类是 evolution, DNA base pairing, codons, central dogma,
HH in neuroscience
这些才是货真价实的生物学理论，这些方面的影响是深远的
另一类就是 技术了 X-ray, NMR, microscopy, PCR, Sequencing, fluorescence
.... 这些方面的影响只是在一定的时期内会有非常大的推动作用
生物学归根结底还是靠这些来推动的 单纯的 high throughput experiments
and data analysis 没有这么大的能力 |
O******e
发帖数: 4845 | 14 照这种说法，数学，物理，化学，几十年来也没什么革命性的理论出来。
【在 M*******s 的大作中提到】
: 生物有什么难懂的么？？？
: 这么几十年了，都还处于knowledge accumulation的过程 几乎没有理论的出
: 现 除了 central dogma 和
: evolution 貌似窝找不出来了
: 剩下的就是 一堆 结果 需要记忆 抑或是根据化学和物理里面的观点和理论来理解
: 这些结果
: 窝也是生物的，窝觉得窝对于单纯的生物学研究还是有一些正确的看法的
: 提出的有趣的课题？？？ 看看那些有趣的课题 大部分都是从物理学的观点提出的
|
O******e
发帖数: 4845 | 15 More:
RNAi,
Gene targeting/knock-out mice,
Stem cells and iPS.
fluorescence
experiments
【在 M*******s 的大作中提到】
: 而且生物科学里面 对一个领域有深远影响的 有什么呢？
: 大概可以分为两类
: 一类是 evolution, DNA base pairing, codons, central dogma,
: HH in neuroscience
: 这些才是货真价实的生物学理论，这些方面的影响是深远的
: 另一类就是 技术了 X-ray, NMR, microscopy, PCR, Sequencing, fluorescence
: .... 这些方面的影响只是在一定的时期内会有非常大的推动作用
: 生物学归根结底还是靠这些来推动的 单纯的 high throughput experiments
: and data analysis 没有这么大的能力
|
z*******a
发帖数: 175 | 16 every niu ren
jinyang yixia |
p*******r
发帖数: 4048 | 17 化学已经150年没有了。
物理80年没有了吧。
【在 O******e 的大作中提到】
: 照这种说法，数学，物理，化学，几十年来也没什么革命性的理论出来。
|
S**********l
发帖数: 3835 | 18 that was my point...唉，浪费了国家一堆钱
【在 O******e 的大作中提到】
: 照这种说法，数学，物理，化学，几十年来也没什么革命性的理论出来。
|
p*******r
发帖数: 4048 | 19 倒是经济最近突破很多，比如前几年搞出来的，股票市场永远反映经济现实理论。
彻底颠覆了以前的想法，很突破性的。 我觉得国家要多投这方面。
【在 S**********l 的大作中提到】
: that was my point...唉，浪费了国家一堆钱
|
O******e
发帖数: 4845 | 20 经济跟生物优点类似，都是超级复杂的系统，所以啊，就等着你们进行生物学上的
理论突破了。。。。。
【在 p*******r 的大作中提到】
: 倒是经济最近突破很多，比如前几年搞出来的，股票市场永远反映经济现实理论。
: 彻底颠覆了以前的想法，很突破性的。 我觉得国家要多投这方面。
|
|
|
v******s
发帖数: 51 | 21 如果不是数学统计基础比较好，我觉得学EECS的人转行做bioinfo或者
System biology都是挺鸡肋的选择。一方面实验没办法做，另一方面
做modelling搞不过学数学统计的；如果你还缺乏生物知识，基本上就
只能夹在中间做些application，写点code做个package这种辅助工作，
没啥前途的。如果你就想找份工作糊口混日子，那为啥不利用EECS的背
景找份更好的工作，反而跳生物这个火坑呢？
【在 d*******g 的大作中提到】
: 没有生物背景，纯粹的EECS。请问分析生物数据，例如说microarray data或者
: sequencing data的前景如何呢？很多人说这些研究是NIH的funding顶出来的。有些人
: 说promising，因为以后在路边就会有给人测基因预测健康的。
: 对于CS背景的人（不太喜欢生物的实验），是不是只能一直做辅助工作呢？知道各位也
: 不能预测未来，但是想请教业内的人士给点指教。
|
d*****u
发帖数: 17243 | 22 但是我觉得CS里的machine learning, AI这些方向的人，
做bioinfo的数学统计基础已经足够了
不用数学专业的出马
真正数学专业的是不屑做这些玩意儿的
【在 v******s 的大作中提到】
: 如果不是数学统计基础比较好，我觉得学EECS的人转行做bioinfo或者
: System biology都是挺鸡肋的选择。一方面实验没办法做，另一方面
: 做modelling搞不过学数学统计的；如果你还缺乏生物知识，基本上就
: 只能夹在中间做些application，写点code做个package这种辅助工作，
: 没啥前途的。如果你就想找份工作糊口混日子，那为啥不利用EECS的背
: 景找份更好的工作，反而跳生物这个火坑呢？
|
M*******s
发帖数: 108 | 23 我听说做machine learning的都不招统计的 因为闲他们coding 太差 囧
【在 d*****u 的大作中提到】
: 但是我觉得CS里的machine learning, AI这些方向的人，
: 做bioinfo的数学统计基础已经足够了
: 不用数学专业的出马
: 真正数学专业的是不屑做这些玩意儿的
|
M*******s
发帖数: 108 | 24 所以我觉得 data处理只是model interpretation & test的一个环节 远远成不了中心
难道大家觉得hot的东西是因为需要这方面的人多么 这种错觉也有可能式因为
很多研究中心需要这种劳动力 而并非
是science和research需要这方面的研究
【在 a****m 的大作中提到】
: 但是有一点，数据越来越多，什么model的数据等等，都会成为其中的一部分。
|
p*******r
发帖数: 4048 | 25 显然有三步呀：
发明技术－>取得大量数据->提出经典理论
最牛的当然就是三样都行的，比如hodgkin + huxley
中心
【在 M*******s 的大作中提到】
: 所以我觉得 data处理只是model interpretation & test的一个环节 远远成不了中心
: 难道大家觉得hot的东西是因为需要这方面的人多么 这种错觉也有可能式因为
: 很多研究中心需要这种劳动力 而并非
: 是science和research需要这方面的研究
|
M*******s
发帖数: 108 | 26 re阿
HH 那个理论是非常完美的研究 我巨仰慕的
【在 p*******r 的大作中提到】
: 显然有三步呀：
: 发明技术－>取得大量数据->提出经典理论
: 最牛的当然就是三样都行的，比如hodgkin + huxley
:
: 中心
:
|
S**********l
发帖数: 3835 | 27 真是听君一席话，胜读十年书
【在 p*******r 的大作中提到】
: 显然有三步呀：
: 发明技术－>取得大量数据->提出经典理论
: 最牛的当然就是三样都行的，比如hodgkin + huxley
:
: 中心
:
|
M*******s
发帖数: 108 | 28 感觉慢慢的 分工可能会更明显 专门研究技术的 chemists，BMEer等
及其实验室去研究技术 比如现在就有很多实
验室研究 lab on chip 和 fluorescence & imaging。。。 CSer statists 研究数
据处理方法和开发相关软件
mathematicians 做模型 然后用biologists 做实验的data来test 自己的模型
biologists 来用发展的实验技术得到 data 然后使用 开发的软件 analysis data
然后 用模型来更好的解释生物系统
（knowledge accumulation）或者 依据simulation来指导针对性的实验。
实际上 后面两个部分联系更紧凑 传统的生物学研究大概就是如此 只不过原
来intuitive的模型就够了所以用不着
mathematicians（跟传统的化学研究很相似，尤其是有机化学） 不过以后应该回
慢慢变了 生物系统的复杂性越来
越凸显了
但是问题就是 做实验的可以不
【在 p*******r 的大作中提到】
: 显然有三步呀：
: 发明技术－>取得大量数据->提出经典理论
: 最牛的当然就是三样都行的，比如hodgkin + huxley
:
: 中心
:
|
v******s
发帖数: 51 | 29 嗯，做application应该够用了；
不过machine learning做深了也全是统计的东西，
比如这本书就是Stanford 搞统计的写的：
http://www-stat.stanford.edu/~tibs/ElemStatLearn/
【在 d*****u 的大作中提到】
: 但是我觉得CS里的machine learning, AI这些方向的人，
: 做bioinfo的数学统计基础已经足够了
: 不用数学专业的出马
: 真正数学专业的是不屑做这些玩意儿的
|
M*******s
发帖数: 108 | 30 诶 说了半天 扯得太远了
回LZ的问题
因为我只是跟一些 EE CS Math的同学讨论过他们领域的研究，难免会有理解不对的地
方，你挑着看
如果你想做 软方面的 可以做
1）data analysis 和 statistical 等方法 这个至少以后肯定不用愁工作的问题
但是 想有太大的influence 比较难
2）相关的 数据处理 的软件开发，这个也是不用愁工作 但是 研究方面的credits
会少很多 |
