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？