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。
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。
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。
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
大局观
将行业的所有知识串一下
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?