北京林业大学博士计算生物学与生物信息学专业目录

哪些招生专业？硕士生招生专业：神经生物学、遗传学、发育生物回学、细胞生物学、生物信答息学、植物营养学、作物遗传育种、生物工程（专业学位硕士）；博士生招生专业：神经生物学、遗传学、发育生物学、细胞生物学和生物信息学。收起

生物3365646336信息学专业主要的课程有：主干课程：生物学、数学、计算机科学。课程设置：普通生物学、生物化学、分子生物学、遗传学、生物信息学、计算生物学、基因组学、生物芯片原理与技术、蛋白质组学、模式识别与预测、数据库系统原理、Linux基础及应用、生物软件及数据库、Perl编程基础等。生物信息学（Bioinformatics）是一门交叉科学，它包含了生物信息的获取、加工、存储、分配、分析、解释等在内的所有方面，它综合运用数学、计算机科学和生物学的各种工具，来阐明和理解大量生物数据所包含的生物学意义。它随1990年人类基因组计划（HGP）的实施和信息技术的发展而诞生，现已迅速发展成为当今生命科学最具吸引力和重大的前沿领域，为生物学、计算机科学、数学、信息科学等专业的高素质人才提供了更广阔的发展天地。培养目标本专业培养德、智、体、美全面发展，具有较好的分子生物学、计算机科学与技术、数学和统计学素养，掌握生物信息学基本理论和方法，具备生物信息收集、分析、挖掘、利用等方面的基本能力，能在科研机构、高等学校、医疗医药、环境保护等相关部门与行业从事教学、科研、管理、疾病分子诊断、药物设计、生物软件开发、环境微生物监测等工作的高级科学技术人才。专业状况我国生物学本科教育主要围绕两个专业——生物科学和生物技术进行，而生物信息学相关课程通常作为这两个专业高年级学生的选修课，且要求学生们已修完大部分专业必修课以及一些计算机课程，如C语言等。教学实践表明，这一安排基本上符合国内本科生教育的实际情况，有利于本科生们掌握生物信息学的基本知识和工作原理，激发他们今后深入研究的兴趣。世界上越来越多的政府部门、教育机构和企业都呼吁加快培养各类生物信息学人才。收起

生物信息专业 培养目标：本专业培养德智体美全面发展，具备生物信息学的基本理论、基本知识和基本技能，并能在高校或科研机构和政府机构及相关行业的企业、事业部门等从事生物信息和生物信息软件、产品的研究与教学、生产与开发、经营与管理等方面工作的复合型科技人才，以及为相关专业输送高水平的研究生。 专业特色：生物信息学是分子生物学和计算机科学相互交叉形成的新兴前沿学科。本专业是根据21世纪最具市场活力的新兴生物信息产业市场需求而设置的新专业。培养具有计算机技术背景，通晓分子生物学知识，熟练运用生物信息处理软件的生物学——计算机两栖复合应用型高级专业技术人才。本专业所属院系与之相关的学科有省重点学科3个，博士点2个，硕士点5个；所培养的学生在分子遗传与基因工程、生物信息处理与应用、计算机应用等领域具有显著的优势和特色。 就业前景：本专业是二十一世纪最具发展前景的专业之一，学生毕业后可在高校和科研院所从事生物信息相关的研究和教育工作，各级人民政府及其下属单位从事生物信息和基因产品的行政管理工作，能在相关行业的企事业部门从事与生物信息有关的应用研究、软件开发、生产管理、技术推广等工作。 主要课程：生物学、分子生物学、生物信息学、生物信息数据库原理与应用、生物信息软件及应用、信息科学原理、计算机应用基础、计算机高级语言、信息组织学、信息系统分析与设计、人工智能与专家系统、计算机网络等。 另外要会编程，学几个语言，C++或JAVA，再学个Perl，还最好会Linux 生物专业的课，要学好细胞，遗传，分子生物学 考研的话，大多考生化、分子、细胞或离散中的两门大学里的生物工程排行榜建议你去看看这里的信息 http://bbs.rank98.com/read.php?tid=2671&fpage=1 http://e.qq.com/zt/2005/dxphb/paihang.htm http://learning.sohu.com/6/0104/17/blank218541753.shtml 没有找到生物工程专业的排名，但是我了解的，北大在这个方面是最好的。收起

生物信息抄学是分子生物学和袭计算机科学相互交叉形成的新兴前沿学科。本专业是根据21世纪最具市场活力的新兴生物信息产业市场需求而设置的新专业。培养具有计算机技术背景，通晓分子生物学知识，熟练运用生物信息处理软件的生物学——计算机两栖复合应用型高级专业技术人才。所培养的学生在分子遗传与基因工程、生物信息处理与应用、计算机应用等领域具有显著的优势和特色。就业前景：本专业是二十一世纪最具发展前景的专业之一，学生毕业后可在高校和科研院所从事生物信息相关的研究和教育工作，各级人民政府及其下属单位从事生物信息和基因产品的行政管理工作，能在相关行业的企事业部门从事与生物信息有关的应用研究、软件开发、生产管理、技术推广等工作。收起

普林斯顿大学和哈佛大学计算机科学研究生项目介绍：　　普林斯顿大学回计算机答科学研究生项目提供硕士和博士学位。普林斯顿大学计算机科学研究生的研究领域包括：人工智能与机器学习、生物信息学与计算生物学、计算市场、经济与博弈论、计算机架构与编译、计算机图形、声音、计算机网络与系统、编程语言与软件工程、计算机安全、隐私与政策、理论计算机科学。　　哈佛大学计算机科学研究生项目提供博士学位，其与电气工程，物理，化学和生物学等领域以及哈佛医药和商业专业学院相联系。该项目在理论计算机科学，人工智能，经济与计算机科学界面的发展，自适应和可信赖的系统，智能接口，计算机图形学，计算语言学，隐私和安全性，机器人技术数据管理系统，网络，节能架构，程序语言，机器学习和可视化等领域开展了突破性的工作。　　从二者的研究领域可以看出有很多相同的领域，比如理论计算机科学、人工智能、计算机图形学，隐私和安全性等，但是也有一些不一样的研究领域。学生可能需要根据自己擅长的研究领域选择合适的项目。收起

对口的就是搞研究，国内的华大，国外的大制药或者其它生命科学院相关公司，美国有很多相关的工作岗位收起

看你想做什么了，如果继续搞科研当然学历高点好，能进入好点的科研内单位慢慢向容上爬呗，助研、副研、研究员、 。。 在中国就这么个顺序，申基金，写文章，招学生，再申基金，再继续写文章。。。。如果想到公司做技术，本科 硕士就行了，再高的学历人家也不乐意要你了，个人感觉技术能力更重要收起

大学学生物类就是坑，基本都是以化学为主，生物类的比较少。基本大一大二专都没有学到生物的相关属知识。大三开始学生物，主要是微生物学，动植物学。还有基因组学或者免疫学。还有生态学。如果是生态学专业还需要水文学和土壤学和气候学。收起

你现在准备考博，不管怎么样，还是比较有想法的，这是好事。目前看，你本专科专业生物学，以后属也可能考到医学相关博士，但是考到临床医学博士，毕业后从临床，你说的外科还是比较难的，因为，现在外科医生要求有动手能力，同时还要有临床经历，你通过读书，这些比较难学习到，同时，你的本科也不是临床医学，基本训练与学习也是没有的，当然，如果你硕士能读临床医学，博士毕业后，还是有可能从事你说的外科医生。如果你对医学很感兴趣，医学相关很多专业都愿意招收你这个专业的，比如基础医学、生物信息学、预防医学，甚至部分临床医学专业{科学学位}，这要看你以后方向和努力了。读了博士，拿到教授，也不是这么容易的，也需要做出很多努力，如果你真的走上教师这一岗位，你慢慢就会明白的。希望对你有所帮助。不是不是。我现在面临大学选专业，我们家要求一口气读博，准备在这两个专业中选一个。这两个方面都可以，就看你能坚持到什么程度，如果你真能一下子读完。现在学习非常好，建议读临床医学八年制，这个要求成绩很好。这两个专业都要求高学历。生物专业也是如此。收起

这个还是自己想清楚吧。看清自己的喜好，中科院计算生物学研究所还是不错的。专出国属率应该也很高。如果对生命科学感兴趣就去那儿吧。也熟悉一下实验室，看看实验室的paper大致出在什么水平，毕业的压力大不大。计算生物学（或者说生物信息学）整体来说在生命科学各个方向中是轻松的，因为大多不需要做实验。发paper也相对比较容易，当然目前看来生物信息学相关的期刊影响因子都在不断降低，发高水平文章也不会太容易。如果选择了计算生物学，那么再转行的话就很难了。当然，相对于生物其他方向来说转行也是相对容易的，呵呵，但转行的话就得不偿失。IT行业的前景则也不好说。最近依然还是很火的，待遇也普遍比较高。但是做的东西很雷同。之后的发展也不好说。本科生物信息的专业在全国不多（你是华科的吗？），你还是自己考虑清楚吧。转到计算机会怎样我也不清楚。最好找计算机系的同学交流一下。就现在来看，选择继续读生物，未来改变的空间就会很大，选择计算机，则未来的路会基本定格。也看你自己的追求吧。我觉得还是选抄自己喜欢的好吧，其实生袭物类专业大家都说是冷门专业，但是社会发展这么快，谁知道以后什么世道呢。生物领域也不见得会一直不受社会待见吧。从字里行间看起来，个人觉得你还是偏向于研究所的，但最主要的纠结是时间成本的问题。现在很多人盲目考研，其实都不知道自己想要什么，或者是对踏入社会有种恐惧。但你似乎不一样，如果你真的很喜欢学术研究，那还考虑这么多干什么呢，那就坚定地去选择吧。it业我不了解，看爱情公寓的展博就是个it男吧，他天生有这种才赋，自己也有很强烈的爱好，如果你觉得你也具备这两项，那倒可以考虑。所以我还是建议你选计算生物啦~~谢谢~你看的很准！我对于社会不怎么恐惧，相反很期待……之所以担心，就是因为生物的未来还看不清，谁知道它什么时候来呢？现在我在实习，很多的30岁左右的博士和我挤在一样的小屋子里蜗居，骤然觉得，学习或者研究都只是一个投资的过程，投资过大，可能会收不回成本的……所以有此疑虑~我会认真考虑滴！谢谢你啦！^_^ !收起

来源：薛宇科学网博客11月26日，有新闻报道“世界首例免疫艾滋病的基因编辑婴儿在中国诞生”，文中称“一对名为露露和娜娜的基因编辑婴儿于11月在中国健康诞生，这是世界首例免疫艾滋病的基因编辑婴儿，也意味着中国在基因编辑技术用于疾病预防领域实现历史性突破”。作为生物信息学者，我们对该新闻中报道的安全性未经充分检验的基因编辑技术贸然应用于人体的尝试表示震惊、疑惑、愤怒和谴责。我们认为：前沿科学技术的研究应当鼓励，但临床应用应当谨慎；科学家应当有基本的职业操守，科学研究的伦理底线不容突破；生命科学或医学相关技术，在未能充分验证其安全性和有效性之前，不能贸然应用于人体；建议相关部门彻查此事，同时推动中国生命科学和医学研究及应用相关伦理法规和制度的完善。联署人（138人，排名不分先后，截止11/27上午12点）James Cai, 美国Texas A&M University曹志伟，同济大学陈玲玲，华中农业大学陈路，四川大学陈洛南，中国科学院上海生命科学研究院陈梦洁，美国University of Chicago陈卫华，华中科技大学陈轶文，美国MD Anderson Cancer Center陈禹保，北京市计算中心崔学峰，清华大学代琦，浙江理工大学邓晔，中国科学院生态环境研究中心 樊龙江，浙江大学范竞，美国奥斯汀综合医学院研究生院方向东，中科院北京基因组研究所高峰，天津大学高歌，北京大学高建召，南开大学高欣，沙特阿卜杜拉国王科技大学（KAUST）古槿，清华大学郭安源，华中科技大学郭锋彪，电子科技大学郭立，西安交通大学郭志云，西南交通大学韩冷，美国University of Texas Health Science Center at Houston郝沛，中科院上海巴斯德研究所何航，北京大学何西淼，华中科技大学同济医学院黄昆，美国Indiana University计宏凯，美国Johns Hopkins University纪志梁，厦门大学姜伟，南京航空航天大学蒋庆华，哈尔滨工业大学蒋兴鹏，华中师范大学阚显照，安徽师范大学李程，北京大学李川昀，北京大学李国亮，华中农业大学李磊，青岛大学医学部李梢，清华大学李伟忠，中山大学李炜，美国Children's National Medical Center李园园，上海生物信息技术研究中心梁晗，美国MD Anderson Cancer Center廖奇，宁波大学林关宁，上海交通大学刘博，哈尔滨工业大学刘琦，同济大学刘锐，华南理工大学刘松，美国Roswell Park Comprehensive Cancer Center刘涛，美国University at Buffalo刘文斌，温州大学刘小乐，美国哈佛大学和Dana-Farber癌症研究院刘赟，复旦大学刘云龙，美国Indiana University刘治平，山东大学卢涛，成都医学院罗锐邦，香港大学宁康，华中科技大学欧竑宇，上海交通大学任间，中山大学任仙文，北京大学沈慧，美国Van Andel Research Institute沈力，美国Rutgers University沈宇锋，美国Columbia University施建宇，西北工业大学施兴华，美国University of North Carolina at Charlotte舒易来，复旦大学苏建忠，温州医科大学苏志熙，复旦大学孙丰珠，美国University of Southern California孙啸，东南大学孙英丽，中科院北京基因组研究所汤海旭，美国Indiana University万钧，美国Indiana University School of Medicine汪国华，哈尔滨工业大学汪小我，清华大学汪阳明，北京大学王栋，南方医科大学王光中，中科院马普计算生物所王海天，香港中文大学王红强，中国科学院合肥智能机械研究所王吉光，香港科技大学王俊文，美国Mayo Clinic 王涛，美国西南医学中心王艇，美国Washington University in St. Louis王希胤，华北理工大学王颖，厦门大学王勇，中国科学院数学与系统科学研究院王玉平，美国Tulane University吴爱平，苏州系统医学研究所吴浩，美国Emory university吴凌云，中国科学院数学与系统科学研究院席瑞斌，北京大学肖景发，中科院北京基因组研究所谢丹，四川大学谢阳，美国UT Southwestern谢志，中山大学邢毅，美国费城儿童医院 & 宾夕法尼亚大学（CHOP & Penn）许东，美国密苏里大学薛宇，华中科技大学严文颖，苏州大学杨建荣，中山大学杨力，中科院上海生科院计算生物所杨力行，美国University of Chicago杨雪瑞，清华大学杨跃东，中山大学姚玉华，海南师范大学叶凯，西安交通大学余维川，香港科技大学臧充之，University of Virginia曾坚阳，清华大学张博，美国Washington University张力烨，上海科技大学张锐，中山大学张世华，中国科学院数学与系统科学研究院张勇，同济大学张勇，中科院动物所张泽民，北京大学张镇海，南方医科大学张志勇，中国科学技术大学张治华，中科院北京基因组研究所章成君，中科院昆明植物所章张，中科院北京基因组研究所赵方庆，中科院北京生命科学研究院赵慧英，中山大学赵兴明，复旦大学赵毅强，中国农业大学赵中明，美国University of Texas Health Science Center at Houston郑德友，美国Albert Einstein College of Medicine郑小琪，上海师范大学支德贵，美国University of Texas Health Science Center at Houston周筠筠，美国密西西比大学医学院周琦，浙江大学朱峰，浙江大学药学院朱怀球，北京大学朱茜茜，美国Roswell Park Comprehensive Cancer Center左永春，内蒙古大学中国生物技术网诚邀生物领域科学家在我们的平台上，发表和介绍国内外原创的科研成果。注：国内为原创研究成果或评论、综述，国际为在线发表一个月内的最新成果或综述，字数500字以上，并请提供至少一张图片。投稿者，请将文章发送至weixin@im.ac.cn。本公众号由中国科学院微生物研究所信息中心承办近期热文TOP15（统计周期：2017.2.1-2017.12.20）直接点击文字即可浏览！1、补牙或将成为历史？2、科学你慢慢学，中医我先治病去了3、科学告诉你应该多久洗一次澡4、新证据：喝咖啡能延长寿命！ 5、据说，这是生物医学硕士博士生的真实的生活写照6、一顿早餐到底有多重要？7、情商也是把双刃剑！高情商或让你更脆弱8、施一公：压死骆驼的最后一根稻草，是鼓励科学家创业！9、“科学禁食法”真能降低重大疾病风险10、睡眠科学家揭示出8种睡好觉的秘诀11、有志者事竟成！2型糖尿病成功被逆转12、每周两半小时，任何形式的锻炼都可以使你更长寿13、喝醉以后，你以为睡一觉就没事儿了？！14、仰卧起坐等或将成为延寿运动？ 15、冥想、瑜伽、太极等不仅能够改善身心健康...收起

雷锋网消息，近日，DeepMind AlphaFold，高调登上了圈内圈外的热搜榜。因其在蛋白质结构预测领域的突破性成果，使得媒体一度用“颠覆“、“革命性突破”、“诺奖级成果”等词汇来形容此事件。简单来说，AlphaFold能做的事情，是计算氨基酸之间的距离，从而预测蛋白质的3D结构。这是一个号称困扰生物学家50年的问题。有的研究者不禁会捶胸顿足：我用着价值一千万美元的电镜，还努力解了好多年，而AlphaFold一下就给我算出来了？乱拳要打死老师傅了吗？然而现实世界中，任何一项科研成果，有它突破性的一面，也有它明显的不足之处，AlphaFold也不例外。AlphaFold 的表现集中体现在对于蛋白质静态结构的预测，在蛋白-蛋白相互作用结构、C端N端的序列、蛋白质结合位置和蛋白质结构变化等领域，AlphaFold 还有待进一步改良。另外，AlphaFold在各项指标评比中强调的是中位数，甚至都不是平均数。这就表明，AlphaFold在有些蛋白的预测结果较差。但是，不管怎么说，AlphaFold的出现犹如一块投入平静湖面的大石头，进而引发一场“蝴蝶效应”。我们需要做的，就是如何用更好的姿势来迎接它，并对它提出自己的思考和判断：AlphaFold，其研究、工程优势与弱点，到底有哪些？会对哪些研究团队产生“降维打击”？基于AlphaFold的现有成果，蛋白质结构预测的未来，会是什么样？AlphaFold对新冠病毒的研究能起到多大帮助？AlphaFold能否掀起新一轮创业热潮？AlphaFold的未来，让这些问题的讨论显得尤为重要。2020年12月8日上午9:30，四位世界级权威专家，将在线上同台讨论该话题。嘉宾介绍主持人：黄昆，印第安纳大学医学院副院长，AIMBE Fellow黄昆于1991年进入清华大学学习于1996年获生物学理学士与电子计算机工学士双学位。本科毕业后赴美国伊利诺伊大学香槟校区(UIUC)学习。先后获得生理学硕士，电子工程硕士，数学硕士学位，并于2004年获得电子与计算机工程学博士学位，研究方向为计算机视觉与机器学习。同年加入俄亥俄州立大学医学院生物医学信息学系任教，2010年获评终身教职，并先后担任综合癌症中心生物信息共享资源主任，计算生物学与生物信息学部主任，医学院副院长等职务。2017年加入印第安纳大学医学院参与领导精准健康计划，担任数据科学与信息学主任，同时任基因组数据科学讲席教授，医学院主管数据科学副院长，印第安纳大学Simon综合癌症中心副主任。其主要研究方向包括生物信息学，医学图像分析，医疗大数据，机器学习及其在癌症研究及神经科学等方面的应用。发表研究论文200余篇。2018年当选美国医学与生物工程学院(AIMBE)会士。许东，密苏里大学教授，AAAS、AIMBE Fellow美国密苏里大学电子工程和计算机科学系的Shumaker讲座教授，同时担任Christopher S. Bond生命科学中心研究员和信息技术专业主任。许东教授在北京大学获得本科与硕士学位，于1995年在伊利诺伊大学获得博士学位。他在美国国家癌症研究所做了两年博后工作，此后在橡树岭国家实验室做了六年研究工作，一直到2003年加入密苏里大学，从2007-2016年，他担任该校计算机科学系的系主任。许东教授的研究主要集中在生物信息学方面，包括机器学习在生物信息学的应用，蛋白质结构预测，蛋白质定位预测，蛋白质翻译后修饰的识别，单细胞数据的分析，还有植物、微生物和癌症的计算机模拟研究，以及生物信息系统。他的蛋白结构预测工作获得2001 年R&D 100大奖。许东教授目前已发表400多篇论文，他是美国科学促进会（AAAS）会士和美国医学和生物工程研究院（AIMBE）会士。张阳，密歇根大学教授，I-TASSER算法发明人美国密西根大学计算医学与生物信息学系以及生物化学系终身教授。在蛋白质折叠和结构预测、蛋白质设计、以及功能注解等方向开展了一系列开拓性的研究，并产生了重要的国际影响。I-TASSER算法发明人（该算法连续八届国际蛋白质结构预测CASP大赛自动组均名列第一，在生物信息及生物医学领域得到广泛应用）。主持与完成NIH百万美元以上级项目研究课题10余项。曾获得DeLano奖，Sloan奖、NSF早期生涯奖、以及密西根大学基础科学奖等奖项；担任Journal of Structural Biology等8种国际期刊的编委。在Nature Methods，PNAS等著名期刊上发表论文200多篇，被国际同行引用三万余次，连续四年入选汤森路透（Thomson Reuters）全球高被引科学家。许锦波，芝加哥丰田技术研究所教授，斯隆奖得主美国芝加哥丰田计算技术研究所教授，《生物信息学》以及《计算生物学》编委；就读于中国科学技术大学计算机系，中国科学院计算技术研究所和加拿大滑铁卢大学，以及在美国麻省理工学院数学系和人工智能实验室接受博士后训练。许博士的研究兴趣包括人工智能和机器学习，优化算法和计算生物学。他于2016年证明了深度残差卷积神经网络可以大大提高蛋白质结构预测的性能，引导了深度学习在蛋白质结构预测领域的第一次变革。许博士获得了美国斯隆研究奖，美国自然科学基金早期职业奖，《PLoS Computational Biology》创新突破奖，国际计算生物学顶级会议RECOMB的最佳论文奖和时间考验 (Test-of-Time) 奖；曾多次接受英美杂志如《纽约时报》、《经济学人》、《财富》、《自然》和《科学》的采访。许东、许锦波、张阳（摄于2010年CASP比赛期间） 讲座信息主题：权威专家谈 AlphaFold：DeepMind 到底突破了什么？时间：12月8日，上午9:30-11:00主办单位：图像计算与数字医学国际研讨会（ISICDM）协办单位：雷锋网、医健AI掘金志观看方式&加入专家群关注《医健AI掘金志》，回复关键词“蛋白质”，即可加入微信群，观看此次线上论坛，同时实时交流与提问。（业内首批AI+蛋白质结构预测【资深研究者讨论群】）关于ISICDM图像计算与数字医学国际研讨会（ISICDM）自2017年创办以来，一直是医工交叉的前沿阵地，围绕图像计算和数字医学中的一些重要的理论、算法与应用问题进行学术讨论，旨在促进电子信息（包括计算机、自动化与生物医学工程）、数学和医学等领域学者的交流与合作。据雷锋网了解，截止至今，ISICDM共邀请到400余位大会报告及专题报告嘉宾，其中包括中、美、英、加等多个国家的的科学院/工程院院士，ACM、IEEE、AIMBE等学会Fellow，CVPR、ICCV、MICCAI大会主席，以及MRI、Medical Image analysis、IEEE TBME、IEEE TIP主编和TPAMI、IJCV、IEEE TIP、IEEE TMI副主编。收起

图为陈润生院士正在做报告“如今，生物信息学正扮演着越来越重要的角色，它也是信息时代带给生物医学的巨大推动力。”8月3日，在第十四届国际生物信息学论坛（IBW 2019）上，哈佛大学教授刘小乐表示，生物医药领域产生了海量的数据，如何通过生物信息学与计算科学弄懂这些数据，成为生命科学领域专家共同关注的话题之一。此次论坛共邀请国内外20位顶尖学者围绕表观遗传学、基因组学、转录组学、蛋白质组学、系统生物学等前沿科学领域的最新研究进展、技术发展和临床应用进行了主题报告。越来越多的科学研究表明，不同个体携带的DNA信息差异可能成为探索生命奥秘的关键密码。也正是基于基因组研究在人类医药学领域和农业生产领域的潜在应用价值，世界上众多科研机构和商业公司在组学技术上展开了激烈的角逐。中国科学院生物物理研究所研究员、中国科学院院士陈润生首先介绍了非编码基因领域的一些最新研究进展。他表示，部分非编码基因可以翻译成小肽，这个过程并不是随机的，而是受调控的。研究发现，约46%的小肽像编码基因一样，以AUG作为起始密码子，而对于非AUG起始的小肽，目前正借助离体的翻译体系作进一步研究。此外，非编码RNA还存在“过度翻译”现象，比如circRNA可以环绕自身多圈，翻译成更长的肽段。“非编码基因有潜力成为很好的肿瘤标志物或药物靶点，如lncTCF7和lncKdm2b等。”陈润生说，随着DNA计算机的发展，如何突破液相反应体系中结果提取的速度限制将成为关键问题。目前，国内外已经有100余种序列比对软件被开发出来，哈佛大学医学院助理教授李恒表示，新一代短序列比对软件在达到≧150bp的基础上会进一步提升速度，这在大数据时代有着重要意义。与此同时，参考基因组也需要进一步完善，为基因组在科学研究和临床工作中的应用打下更为坚实的基础。宾夕法尼亚大学病理系副教授王凯指出，基因组上重复序列的变异与一系列疾病相关，如亨廷顿舞蹈症等，但是传统的短读长基因测序技术难以实现准确的鉴定，而长读长测序平台能够更好地鉴定重复串联变异。重复序列鉴定工具RepeatHMM在算法层面做了一系列改进，避免传统方法鉴定重复次数的误差。目前，他的团队开发的LinkedSV，就可以精准鉴定包括倒位、缺失在内的各种结构变异。可以说，不断积累的组学大数据正在帮助科学家们越来越多地揭示一系列复杂疾病发生发展的机制。“如果将基因组学、转录组学等数据和化学反应结合在一起考虑，还能够帮助我们提升对于肿瘤等疾病的认识。”美国佐治亚大学教授徐鹰说。与此同时，组学大数据的积累与挖掘给相关产业带来全新机会点，但随之而来的问题即是如何高效地对数据进行分析和解读。那么，近年来新兴的生物云计算平台将如何更好地提供助力呢？中软国际科技服务有限公司云服务工程师表示，生物信息行业全年业务存在波峰和波谷，当业务处于波谷时，本地服务器集群等系统可满足业务对IT资源的需求，但面对业务波峰时，本地资源受规模限制而无法及时满足需求，此时就可以利用公有云资源弹性扩展资源规模，以此缩短分析时长和提升解读效率。同时，华为云将容器技术应用于生物信息领域并发布了基因容器服务（GCS），为广大生物信息人员提供“更省、更快、更轻松”的云计算平台。其中，GCS由三层架构组成：底层是Docker层，主要解决软件的安装和升级的问题；中间层是Kubernetes层，主要解决大规模集群中部署和运行Docker的问题；顶层是流程管理层，主要负责业务流程控制并提供精细粒度的监控运维管理能力。采访中，记者了解到，华为最新推出业界最高性能的ARM-based处理器-鲲鹏920以及TaiShan服务器。其中，TaiShan服务器主要面向大数据、分布式存储以及ARM原生应用等场景，发挥出了ARM架构在多核、高能效等方面的优势，为企业用户构建高性能、低功耗的新计算平台奠定了基础。并且，该款服务器在实际应用过程中，相比传统的x86服务器有较明显的性价比提升。据悉，本届大会由北京大学生物信息中心承办，北京大学数学科学学院/统计科学中心、北京大学分子医学研究所、北京大学医学部基础医学院、北京大学肿瘤医院生物信息中心、蛋白质与植物基因研究国家重点实验室、上海嘉因生物科技有限公司、中软国际科技服务有限公司协办。中国生物技术网诚邀生物领域科学家在我们的平台上，发表和介绍国内外原创的科研成果。注：国内为原创研究成果或评论、综述，国际为在线发表一个月内的最新成果或综述，字数500字以上，并请提供至少一张图片。投稿者，请将文章发送至weixin@im.ac.cn。本公众号由中国科学院微生物研究所信息中心承办近期热文直接点击文字即可浏览！1、补牙或将成为历史？2、科学你慢慢学，中医我先治病去了3、科学告诉你应该多久洗一次澡4、新证据：喝咖啡能延长寿命！5、据说，这是生物医学硕士博士生的真实的生活写照6、一顿早餐到底有多重要？7、情商也是把双刃剑！高情商或让你更脆弱8、施一公：压死骆驼的最后一根稻草，是鼓励科学家创业！9、“科学禁食法”真能降低重大疾病风险10、睡眠科学家揭示出8种睡好觉的秘诀11、有志者事竟成！2型糖尿病成功被逆转12、每周两半小时，任何形式的锻炼都可以使你更长寿13、喝醉以后，你以为睡一觉就没事儿了？！14、仰卧起坐等或将成为延寿运动？15、冥想、瑜伽、太极等不仅能够改善身心健康...收起

一个严肃的中知AI我特地去采访了一位学生物的同学：「你为什么不是很喜欢施一公？」他说：「因为21世纪是生物的世纪。嘻嘻。」施一公，中国科学院院士、结构生物学家、清华大学教授 。2018年4月16日，西湖大学第一届董事会第一次会议在浙江杭州召开，校董会选举施一公为西湖大学首任校长。一个很皮的回答施一公是话题人物，有人崇拜，有人不屑，崇拜的理由，大家这些天已经看了很多，但是也会看到，并不是所有人都持正面态度，对最近施一公当选西湖大学校长新闻的评价里，不乏有人冷言冷语，如果你觉得不可理解，那么下面对「施黑」观点的梳理，会给你一个大致的原因。学术贡献：没创意，价值低方舟子对施在未来论坛年会上发表的题为《生命科学认知的极限》的演讲有过辩驳，最后生气地说，施是「一个打一枪换一个地方测测蛋白晶体结构的包工头」。这个称呼非常戳心。施是结构生物学家。有人批评说——「看施一公最近几年发的文章题目就知道，都是structureof........都是电镜做结构的论文，这种论文不是什么高级有创意的实验，就是廉价劳动力。」「做结构的一直在号称蛋白结构解析可以指导药物设计。颜宁和施一公需要做的事情是弄出一个drug来，而不是继续不停的解更多的蛋白。就算弄不出新药，像晓东一样开个公司做更好的me2 drug，也算造福社会。说白了，还是解结构顺手了，不愿跳出comfort zone。」什么意思呢，就是吐槽施老在做一个没啥创意，而又需要高级装备、许多投入、很多精力的基础工作，做完了，他不接着做下一步工作，转身又去做另一个基础工作。好比打地基是个苦活，还要好多钱（我瞎说的），施带着学生打完这块地的地基，也不接着盖楼，转身去另外一块地打地基去了。大致就是这个意思。网上有一段话，是回答「施一公、颜宁离诺贝尔奖还有多远？」这个问题的，作者应该是叫刁博。这段话说得很容易懂，大家可以看看，CNS就是Cell、Nature、Science——「施一公和颜宁这对师徒同为结构生物学家，他们在CNS上发表了数十篇论文。这个数据是非常恐怖的，国内很多知名高校建校以来还没在CNS上有这么多论文，大多数诺贝尔奖得主也是对这个数据望尘莫及。这么厉害，诺贝尔奖会不会向他们招手呢？今年的诺贝尔化学奖实际上已经回答了这个问题。」2017诺贝尔化学奖得主「Jacques Dubochet、Joachim Frank、RichardHenderson获得2017年诺贝尔化学奖的理由是：研发了冷冻电镜，简化了生物细胞的成像过程，提高了成像质量。」「为什么没有给施一公和颜宁呢？他们只是冷冻电镜的受益者，并且他们做的工作也只是依靠电镜解析出蛋白质的结构。蛋白质几十万种，比较重要的至少几百上千种。在电镜下得到蛋白质的结构并非是高大上的开创式研究，得到蛋白质的结构就能发CNS，在崇拜CNS的国度里，这是绝好的论文灌水机会。」「施一公和颜宁能在CNS灌水那么多，得益于清华大学有得天独厚的优越条件，清华大学专门用了一栋楼去安置3台先进的Titan Krios电镜，施一公还打算再购进一台。有这样的先进设备，换另外的生物学教授也能很快解析出蛋白质的结构。」去年，颜宁离开清华大学，赴美国普林斯顿大学任教的事引起过广泛关注「施一公、颜宁等结构生物学家的成功并非是他们的伟大，而是冷冻电镜设计者们的伟大。施一公、颜宁等人发的CNS越多，就越能说明冷冻电镜的设计者们开创出一片新天地，只会让冷冻电镜的设计者们更快的摘取诺贝尔奖，他们自己是不会凭解析出蛋白质的结构得到诺贝尔奖的。」总结起来就是，结构生物学，情怀是没有的，格调也是没有的。管理能力：不谈就业不谈钱一般不满施一公管理能力的，会以「学术大牛，管理白痴」开头，先礼后兵的意思。这批人和上批不认同施学术贡献的不知道会不会吵起来。管理有两部分，一个是他的观念态度，他以什么心态去管理清华生物的，一个是他的实际成果，抱着这个观念，取得了什么效果。首先说施的观念，主张研究型大学不应当去管就业，以及学不以致用。原话是这样——「大学是核心。研究型大学从来不以就业为导向，从来不该在大学里谈就业。就业只是一个出口，大学办好了自然会就业，怎么能以就业为目的来办大学。」「压死骆驼的最后一根稻草是什么呢？是鼓励科学家创办企业。大家没听错，今年在人大会议我听到这个话后觉得心情很沉重。术业有专攻，我只懂我的基础研究，懂一点教育，你让我去做经营管理，办公司、当总裁，这是把我的才华和智慧用到了错误的地方。人不可能一边做大学教授，一边做公司的管理人员，一边还要管金融。」可以看到大致是两个点，一个是觉得学生老师都要专心做研究，一个是对研究外的旁骛持反对态度。然而大家并不都觉得自己的研究有意义，即使有意义，饿得头昏脑涨也并不能好好做研究。这话尤其招人黑的一点在于一个事实，施自己功成名就，对还为生计发愁的老师学生说要专心做研究，不要老想着搞钱，要有情怀，这就有点让人郁闷。况且把研究成果转化为生产力，不仅是对研究者自己有好处，往大了说，也是为国家做贡献。「国家并不是因为要满足少数人的好奇心才给学术界投钱，最终目的还是要落实到提高全社会生产力水平上——现在国家资助力度最大的生物类科研方向，基本上都是分子生物学之类的有潜在应用前景的方向（也就是说，至少可以讲出让基金委官员信服的故事），如果11G研究的是虾虎鱼分类学的话（就日本明仁天皇发Paper的那个方向），那么他一分钱都别想拿到。」11G就是施一公。研究人员孤高一些没有问题，但是施是院长，扯开旗子大声疾呼这个观点，不知道学生老师怎么想。施一公和我再说施的行动成果，施一公的生物系，就业率有点儿难看。就这点来说，倒是言行一致、说到做到……知乎匿名用户指出：「作为一个院长，系里学生就业率比全校平均水平低10来个百分点，这无论如何是说不过去的，仅从结果评论，施一公院长在管理方面的技术评级就高不到哪里去。——不要和我强调生物专业就业惨淡，我作为这个行当出身的人当然知道这一点，但是大家要知道，学校统计本科生就业率时，保研、考研、出国都算就业，在这种情况下生物系的就业率以8开头，和其他院系数据放在一列时总让人怀疑是不是打印错误。这意味着什么呢？意味着清华生物系每年有5—6个学生，读了四年，既没有保研，也没有跨专业考研，也没有出国读书，更没有找到工作，而是收拾行李、拿着户籍资料回家了，整个生物系一届本科生还不到50个啊！同学们，如果你到清华生物系读书，你和隔壁两个宿舍一共八个人里，就有可能有一个人毕业以后啥去处都没有哟，你猜猜会是哪一个？身为一院之长，如此高比例的学生毕业之后不升学、不工作、不创业，管理水平只能呵呵。」对了施还说过这句话：「我有时候想，清华强则中国强。我刚回国的时候，曾信誓旦旦，要改变三分之一的清华学生，让三分之一的清华学生不再为柴米油盐发愁。」放在这种语境下，可能意思是，让三分之一的清华学生，即使没有柴米油盐了，也能不改其乐，拥有一种超脱的态度。饿死事小，失节事大。整体来说，管理观念和效果有点「不劳动人民」。另外，据说施谈学生就业的事，和他手下最牛的一个博士生毕业之后不干科研跑去搞金融了有关系，施受到了刺激。个人品格：言行相诡对施一公个人品格的质疑，其实主要还是集中在「言行不一致」上。第一，是他评选中科院院士时美国国籍的事。施一公在2008年年初的时候，全时回国到清华当院长。2011年，去评选中科院院士，落选了。这事儿当时挺引人注目的，有人说是因为当时施一公还是美国国籍，当然也有人说是因为回国时间还不够长，对国家的贡献还不足；还有说他与同做结构生物学的香港科技大学张明杰教授撞车了，后者当年显示的成果更优秀；还有些阴谋论的猜测等等。不过议论最多的还是国籍问题，当时还有采访，有两段可以拿出来并列起来看，足可见当时这事儿的扑朔迷离——第一段是《新京报》报道的：中国科学院学部主席团执委会秘书长曹效业表示，在中科院公布314个有效候选人名单中，确有饶毅和施一公名字。「关于国籍的问题，公安部给过我们一个函。有两句话，一是从某年某日起，两人具有中国国籍，二是相关手续还没有办完」曹效业说，中科院学部主席团经过讨论后，认定他们拥有中国国籍，也将其列入了有效候选人中。第二段是《财经》报道：一位不愿具名的中科院院士亦作出回应：施一公落选主要是国籍问题，「当初申报院士的时侯，还没有证明己从美国获得取消美国国籍的证明」。该院士系生命科学和医学学部具投票资格的中科院某研究所研究员，他说，施一公的国籍问题到院士增选后期才得到证明，而具美国国籍者本不能申报院士。上述院士认为绝大多数院士是从全局和院士标准和条件考虑，才没有投票给施一公，「这实际上是维护了增选院士的条件」。根据《中国科学院院士增选工作实施细则》，被推荐人需要提交当前有效的中国国籍证明。如果这两段采访都是真的话，那么大概是「中科院同意，院士不同意」的事儿，中科院出于爱才，院士出于维护规则，都没错，甚至有点可爱。但是有人就说了，施一公2008年回国，2011年评选院士的时候才忙着转国籍，「可以看出施教授是个谨慎的人，没有确定的更大的好处，不会放弃已有的好处」。知乎用户blizzard指出，施教授声明说，他是中国籍。那么事实如何呢？其实很简单，美国联邦政府有个网站叫做Federal Register, 每个季度都会公布脱离美籍人员的名单。根据该网站，施教授是2011年第三季度脱离美籍的（Quarterending 9/30）。可以想象，施教授申请院士评选了，突然在最后一分钟发现外籍不可以，于是火线换籍贯，不然没法解释为什么2008年2月就回国了，带着美籍当教授院长，带着美籍去中央党校演讲，偏偏要在评选院士的同时（还不是年初，是第三季度）放弃美籍。当然，放弃美籍也不容易，IRS要查你，看你有没有欠税，两清了才让你走，这就会耽误一些时间。施教授可能轻敌了，所以没赶上趟。这跟他设立的「放弃美国国籍回来建设祖国的科学家」形象，有点冲突，毕竟自己说过「爱国是最朴素的感情，有谁不爱自己的母亲呢？」。第二，是他转专业去学计算机的事。大致就是，施一公曾经转行做过计算机，不过后来还是回到了生物专业。这事儿其实没什么大不了。关键在于，施一公曾这样告诫过同学们：「当你真正凭自己的兴趣走一条路，要坚定地走下去，不要轻易被周围的人和事物打动。对于我而言，从事科学研究是一条正路，我不会为周围的东西所打动。我也希望在座的朋友、同学，能好好走自己的路，不要轻易地被周围的价值观牵引，尤其是不要轻易被以金钱论英雄的价值观所牵引。」有点儿打脸。其他需要强调的是，本文只针对「为什么有人觉得施一公不好」这个话题做了梳理，列出了反对者的几个点。敬佩施的人非常多，对上文涉及内容，有不同看法的人也很多，事情究竟是怎么样的，往往有很多版本，对某个版本的看法和评价，更是众说纷纭。比如国籍问题，站在不同角度就会有不同的看法，科学网李宁这样写：「从2008年到2011年的三年间，他把精力都用在发文章做实验带学生作报告上，不把自己国籍的事儿当个大事儿来办，结果到申报院士的时候，才临时抱佛脚，导致不能在投票之前取得中国国籍的证明。另外，政府也有责任。对施一公这样的人才，人家已经宣布放弃美国国籍了，难道不能特事特办一下，走绿色通道，给他用最快的时间恢复中国国籍？如果能做到的话，当年的国籍问题之争，也就不存在了。施一公和政府也不会为此陷入被动。」再比如转专业学计算机的事，施一公其实自己说过：「我刚去美国的时候很迷茫，我曾经想转行，转计算机，转经管。我觉得我一定要好好抚养我的母亲，想挣钱，想了很多，但没有想到，一旦进入实验室以后，发现在科学研究这个殿堂，是如此之神妙，超乎你的想象。」也可以这样看，施曾经迷茫过，但后来发现自己喜爱的还是生物，所以，以一个过来者的身份，告诫大家还是坚定走下去的好。不过他没有想到的是，这事儿有点像父母和孩子的常态，为人父母常去告诉孩子，那条是荆棘路，我走过，不能走，孩子一定是不听的，说多了还遭埋怨，总要自己去跑一下，或者头破血流地将来和自己的孩子重复场景，或者，也许那真是一条挺不错的路呢。版权声明：本文文字、图片部分来源于互联网，如侵权请与中知专家头条（zhuanjiatoutiao）联系并予以删除。收起

MSc Bioinformatics生物信息学理学硕士学院：生物科学学院全日制： 1年学费：21920英镑课程介绍这个生物信息学硕士课程是一个令人兴奋的创新计划，最近进行了修订。生物信息学是生物学，计算学和统计学之间的一门学科，并用于有机生物学，分子生物学和生物医学。该计划的重点是使用计算机通过数据存储，挖掘，分析和图形表示从分子水平上的DNA，RNA和蛋白质序列数据以及相关数据中收集新见解-所有这些都是现代生物学的核心部分。入学要求学术：相关学科背景相关学位科目是： 所有具有分子生物学或遗传学的重要组成部分的生物学学位。 其他生物学学位，至少具有一些分子生物学。 计算科学，软件工程或信息技术。 数学或统计学（具有计算机编程经验的证据）。 其他具有计算机编程经验的证据或具有分子生物学深厚背景的证据的其他物理学科。雅思：总分6.5（单项6.0）。课程设置课程旨在使学生了解与生物信息学和功能基因组学相关的计算和生物研究实践，并获得实践经验，以向学生展示他们如何使用其回答的计算方法和生物学问题之间的联系，以及让学生了解跨“组学”领域的数据和分析集成的新方法。在该课程中，你将发展一系列计算和编程技能，以及数据处理，分析（包括统计数据）和解释方面的技能，并且你将了解到最新的生物科学进展，这些进展包括生物信息学方法。该学位共修180个学分， 第一学期（9-12月）60个学分：核心课程 第二学期（1-5月）60个学分：选修课程，学生从可选的课程中选择4门课程（两门10个学分课程和两门20个学分课程）。 夏季（5-8月）60个学分：研究项目（为期14周）核心模块：Programming (Java)（20 credit）编程（Java）（20学分）Database Theory and Application（10 credit）数据库理论与应用（10学分）Foundations of Bioinformatics（15 credit）生物信息学基础（15学分）Omics and Systems Approaches in Biology（15 credit）生物学中的组学和系统方法（15学分）选修模块：选修4门课程（两门10个学分课程和两门20个学分课程）。Identification of Disease-Causing Genetic Variants（10 credit）致病基因变异鉴定（10学分）Drug Discovery（10 credit）药物发现（10学分）Animal Models of Disease（10 credit）疾病动物模型（10学分）Using Chemical Structure Databases in Drug Discovery for Protein Targets（10 credit）必选课程：利用化学结构数据库发现蛋白质靶点（10学分）RNA-seq and Next Generation Transcriptomics（20 credit）RNA序列和下一代转录组学（20学分）Omic Analyses for the Biomedical Sciences – from Genomics to Metabolomics（20 credit）生物医学科学的组学分析——从基因组学到代谢组学（20学分）Bio-Imaging for Research Scientists（20 credit）研究科学家生物成像（20学分）Clinical Genomics（20 credit）临床基因组学（20学分）Pathogen Polyomics （20 credit）必选课程：病原体多组学（20学分）研究项目：为期14周的夏季研究项目（60个学分），通常这将在格拉斯哥与该项目有关的一个研究实验室进行，但也有机会在世界其他地区的适当实验室进行研究。工作机会我们的大多数毕业生都使用他们在我们的计划中获得的技能，在英国或国外的大学或学院从事研究型职业。这些技能现在在现代生物学和生物医学的许多领域中具有最重要的意义，并且许多人成功获得了博士学位。收起

来源：经济学家圈施一公：我差点成为中国第一个卖保险的人，当时有六位数的工资。本文为2015年8月27日，施一公院士为清华大学2015级研究生新生主讲了题为“少年壮志不言愁”的报告。本文摘编自报告现场实录。选专业应该凭啥？我告诉学生，凭未来世界的需求。如果对科研不感兴趣、没想好未来发展该怎么办？其实我在你们这个年龄的时候，也就是二十几年前，我也没有想好，也非常迷茫。当时的迷茫来自很多方面，其中就包括大学选专业。我不像在座的一些人，大学入学时就知道自己想学什么。我当时保送大学，报名的清华的第一专业可能大家想不到，是机械系。在报机械系之前还报名了北大的物理系。直到85年5月份清华老师来招生时对我说，生物化学是21世纪的科学。我当时是第一次把生物和化学连接在一起，觉得豁然开朗——原来生物化学是21世纪的科学！于是阴差阳错地上了生命科学这条船。我是数学竞赛河南省第一名，保送到清华，数理能力很强。在清华的时候生物学的不好，于是修了数学双学位，通过加强数学物理课程的学习来弥补生物成绩的不足，来让我的成绩排名第一。那选专业应该凭啥？我告诉学生，凭未来世界的需求。这个世界的发展不以在座的某一个人的意志为转移，也不以媒体宣传为转移，更不以毕业之后能否找到工作为转移。这个世界的发展中，一半以上的学术问题来自对人类的关注，叫做生命科学。不管国内就业情况怎么样，其他学科情况怎么样，但大生命学科在21世纪是最大的学科。我觉得在你选择专业的时候，凭兴趣挺好，没有兴趣的时候可以培养兴趣。有时我在想，人是善变的，你的其他方面可以变，为什么专业是不能变的？一项业余爱好可能你很喜欢，但天天做可能会使你厌烦。我认为做一件事，完全凭兴趣的话，对我而言不靠谱。大学期间我对生物真的是深恶痛绝，因为学不好。我的遗传学实验、遗传课、细胞学实验、细胞课在班上都是中下。89年，我在清华提前一年毕业。当时我对学术没有兴趣，而对从政感兴趣。我认为从政可以改变一个社会，可以为老百姓说话、做事。我当时想去从政。而从政又没有门儿，觉得要先去经商。所以当时和清华大学科技批发总公司签订了一个代表公司去香港经商的机会，做公关。你们难以想象吧？结果就业合同因故被撕毁。我纠结一晚后，决定考托福GRE出国。在霍普金斯的5年读博期间，因为我对专业没有想好，前两年一直非常纠结。平时精力很好，一看文章就睡着；听讲座也是，听了十分钟就睡过去了，大家一鼓掌我就醒了，正好大家一块走。我直到博士三年级才出了一点感觉，发现我也能做一点东西；到了博士四年级信心大增，因为结果出来了。1995年4月12日，博士学位答辩以后，我还是不清楚自己会做什么。我始终没有忘记自己在清华的时候，曾是清华活跃的一分子，小发明协会的副会长，还参与了很多课外活动，做公关，所以我想也许我可以从商。所以我还面试了大都会中国区首席代表的职位，卖保险，而且拿到了offer。我差点成为中国第一个卖保险的人，当时有六位数的工资。在博士毕业之后我还设立了自己的公司，和两个哥们一起做中美间贸易交流，这个经历也很有意思。1995年11月，我下定决心还是走学术这条路。当年12月我写了一篇日记，我说，该去explore的机会，你也都explore了，现在轮到你静下心来，从此之后不再起二心，好好做学术。从那以后，我主要精力都放在做学术上，我也告诉自己这（种兴趣）一定可以培养起来。在座如果有同学感觉对所学领域没有兴趣的话，我想你比不过我。我也劝在座的同学，当你有迷茫的时候，我建议你们，不要觉得只有把你的迷茫、把你所有问题解决了才能走下一步，我很不认可。我认可一点：不要给自己理由——当你觉得兴趣不足、没有坚定信心、家里出了事情、需要克服心理阴影、面对痛苦往前走的时候，不论家庭、个人生活、兴趣爱好等方面出现什么状况，你应该全力以赴，应该处理好自己的生活，往前走。不要给自己理由。因为你一旦掉队了以后，你的心态会改变，很难把心态纠正过来。正确认识自己我觉得，很多情况下，你的个性决定了你的将来。同学可能认为老师很自信，我想告诉大家，我求学时的自卑现在已经没有了，只是偶尔有insecurity的感觉。但我求学的过程当中，从小学到中学到大学到博士阶段，我一直是一个非常自卑的人。可能大家很难想象。举个例子，高中的时候化学老师解释“勒夏特列原理”，我那时候开小差，没听懂。后来看书竟然也看不懂，觉得崩溃了。我总觉得班上其他同学都比我聪明，真的感到自卑。放眼望向你周围，当别人和你差不多聪明的时候，你会觉得别人比你聪明。所以当你觉得别人比你聪明的时候，他并不一定比你聪明，不要太自卑。同时，我还有一个性格特点是好胜。在座的同学可能很多和我一样，如果不好胜、不自强也很难走到今天，但特别好胜、特别自强的人也更容易受打击，也更容易自卑。高中以来我总是觉得自己不聪明，所以总是很刻苦，总觉得我是笨鸟先飞。举个例子。我什么地方都好胜，在清华体检时，我身高不高，又不能踮脚尖；所以测坐高时我拼命往上拱了拱，结果我身高不到全班前五，坐高全班第一。当时我还没有想明白，我还沾沾自喜，终于有一项第一了。直到有一位同学提醒我的时候，我突然自卑油然而生。我就问我的教练：“孙老师，我的腿短吗？” 孙老师的回答非常艺术，说：“一公，你训练很刻苦 ，你的身体条件能取得今天的成绩很不容易了。”我们家从来没出过运动员，就我一个。我的哥哥姐姐、我的父母都不是运动员，我是二级运动员。其实也蛮有意思的，可能和我的性格有关，就是自卑和自信、好胜伴随在一起。我上初三的时候，班主任老师鼓励我报1500米。运动会前四天报名，报名的当天晚上一激动大腿抽筋了，腿都动不了，比赛的那天才恢复正常。发令枪一响我领先了整整100米，最后被倒数第二名落了整整300米。我在全校、在我们班的鼓励声中跑过了终点。初三的施一公什么都不爱就爱面子，当时在青春期发育、最爱面子的时候在同学面前丢脸了，自尊心受到了打击。但我那时候很争强好胜。运动会第二天我就开始练跑步。一年之后我的800米跑了2分17，3000米跑了10分35。孙教练让我入选校队，成为一线队员，代表清华参加比赛。其实我觉得，很多情况下，你的个性决定了你的将来。我很自卑，但我又很好胜。研究生要具备哪些素质无论什么学科，物理、工程、生物、文科，我认为最不重要的是IQ。我先说什么不重要：最不重要的素质就是你的IQ。无论什么学科，物理、工程、生物、文科，我认为最不重要的是IQ。第一，时间的付出。不要以为你可以耍小聪明，世界上没有免费的晚宴，这是亘古不变的道理。所以有时候我很反感有些人说我的成功完全是机遇，这一定是瞎掰。当然现在一般这样说是为了谦虚，但这种谦虚会误了很多学生。我不信有任何一个成功的科学家没有极大的付出。清华84—86年生物系系主任老蒲，在美国已是赫赫有名的终身讲席教授。他在美国开组会时教导学生：在我的学术生涯中，最大的诀窍是工作刻苦，每周工作时间超过60小时。我知道你们不能像我一样刻苦，但我要求你们每周工作50小时以上。他只计算你具体做实验的时间，和你真正去查阅简单的和实验相关的文献的时间。哪怕你的吃饭时间、查阅文献之后放松的一小时，都要去除。我想通过这个例子告诉大家，任何人不付出时间，一定不会有成功。第二个，方法论的改变。我的博士后导师是一个独树一帜的科学家，他只比我大一岁半，很年轻。从九十年代初起的十年中，他以通讯作者的身份在实验室做出了30篇《自然》《科学》的文章，是世界上一顶一的高手。我进入他的实验室之后，满怀希望要向他学习，希望跟他学方法论、学习思维方式、学习批判性思维。但后面发生的事情让我非常纠结，让我这才意识到，真正的批判性思维、真正的方法论应如何养成。我讲的例子都非常极端，希望大家不是简单地接受，而是去思考，因为对你的专业不一定适用。我举个例子：理科老师会讲，要广泛阅读文献，知识要宽广，要知道现代科学进展到哪儿了，要泛读，等等。其实我在霍普金斯做博士生的时候老师也是这样讲的，要读《Nature》，读《Science》，读一些刊物，我也是这样做的。到他的实验室后，我的表现欲很强。我如何让导师知道我很能干、很有见解呢？下一篇《Nature》出来的时候我仔细读，等我有很深的见解之后，去找导师讨论讨论，就能显得我很有见解了。所以有一次《Nature》发了一篇领域内的前沿文章，我就去找导师，可是导师说：“这篇文章我还没有读呢，读了以后再说吧。”我想导师可能最近比较忙，没有来得及读。过了一个月我又读了一篇文章，这篇文章已经发表了将近一个月了，也是一篇极为重要的我们领域内的文章。我又想跟他讨论，导师脸一红说，这篇文章我还没有读呢。我当时开始怀疑，他是不是不读啊？我没敢问。等到96年下半年，一位鼎鼎大名的诺贝尔奖获得者来访，邀请我的导师进行1小时的一对一学术交流。我的导师让秘书回复，他那天恰好出差不在。可是讲座那天，导师很早就来了，把自己关在办公室里，解结构、看结构、分析结构，在写文章。我当时非常疑惑。于是我问导师，像这样的人来了，你为什么不和他交流？导师的回答非常简单，他说我没有时间。我当时大胆地问他：你读文章有时间吗？他说我不读文章。我又问：不读文章如何养成科学素养？他说科学素养的养成和读最新的文章没有任何关系。科学方法论的养成和科学史有关，和重大发现的数据源有关，与科学进展到最前沿的知识没有任何关系。科学知识的最前沿只是在你做研究的时候让你知道，在领域内你所处的境地是什么样的，你是否在科学前沿，你是否在做别人已经做过的东西，仅此而已。我问导师，那你写文章的时候怎么写？他说我在写文章的时候会读一些文章。他讲得很实在。我希望大家能够问为什么，不要简单地接受一些习以为常的东西，你需要挑战过去，要有批判性思维。第三，建立批判性思维。除了方法论的改变，还包括挑战学术权威。我的博士生导师在33岁已是正教授、系主任。他的每一天都充满思考。他经常说，“怀疑是科学发现的推动力。”有一天我们开组会，他看起来特别激动，说今天我给大家演示我的一个想法，他开始写公式，满满一黑板的推演之后，一步步证明出热力学第二定律是错的。当时我们都震惊了。可是，我在他写出的公式里面发现了三处错误。当时我不敢提啊，但是后来一想，那的确是有错的时候，我哆哆嗦嗦的举起手说，我想说有第一处错误。这时，我对面的师兄说“哪儿有错？啊！哪儿有错！”我哆哆嗦嗦说完，所有同学都说我错了。这时我们实验室在争吵，老板说今天的组会到此为止。下午一点，老板找到我说，你学士是在哪个大学念的，我说Tsinghua University，是我们国家最好的大学。他说我不关心你来自哪个大学，我关心的是你学得非常好，老师一定是一位大家。在此之后，我们研究所的同事见到我便会主动给我打招呼，这让我慢慢的有了自信。这段公然鼓起勇气，用自己所学纠正系主任兼实验室导师的学术错误的经历，在我科研路上给予我无限自信，至今对我仍有很大影响。我希望我们的学生能够志存高远，脚踏实地。你要时刻记住，你认为自己行，那你就一定可以。同时还要记住，不可知足常乐！我认为的科研是一种生活方式。它让我能够无忧无虑地去思考和解决一些科学问题。但是，我们也要承担一定的社会责任，我们的研究是希望能够回报社会，为人类做出贡献。我祝愿大家能够在科学研究的道路上坚持走下去。收起

核心提示：基因分析的第二步——测序之后的数据分析与信息提取，至今还非常依赖研究人员的经验，因此难以实现自动化。Lifebit 的云端 DNA 识别系统希望通过学习研究人员的数据处理方法，不断优化自身的分析模型，从而做到像人类一样推断并提取 DNA 内包含的有效信息。要从 DNA 样本中获取有意义的信息，需要经过两个步骤。第一步是 DNA 测序，这一步骤目前已经可以通过自动化的方法实现，几乎不需要人为操作，且每次测序成本已经跌破 1000 美元。业界普遍认为，随着技术的发展，这部分成本降至 100 美元也仅仅是时间问题。第二步则是对测序后的 DNA 数据进行分析，这一步骤非常复杂耗时，需要高技能专家进行操作，因此这一步骤转向自动化的进展也十分缓慢。坐标与伦敦的创企 Lifebit 试图提供这个问题的解决方案。近期，Lifebit 上线了首款产品——由人工智能驱动的云端基因数据分析平台 Deploit，公司声称这是全球首款人工智能基因平台。这个系统能像人类一样对于 DNA 内包含的有效信息进行推断。Deploit 会学习输入的数据以及研究人员对这些数据进行的操作模式，从而调整自己的分析模式，达到前所未有的自动化程度。即使研究者们没有经过数据分析与计算生物学的相关训练，这个可扩展性极强的模块化系统也能够帮助他们从庞杂的数据中获得有价值的洞见。另外，Deploit 与所有主流云服务提供商都达成了合作，以此提高分析速度，提供流畅的用户体验。创始人 Maria Chatzou 表示，Deploit 能够让研究机构以更高的效率、更低的成本进行基因数据分析。但这仅是 Lifebit 愿景的第一步，这家公司希望最终搭建一个完整的云端基因识别系统，在数据分析这一步骤完全取代人工。Chatzou 解释道：“我们即将进入一个新的时代，每个人的一生中都会经历许多次基因检测，基因的作用涵盖人类生活的方方面面——从疾病诊断到精准医疗，从食品安全到环境保护。在改变到来之时，我们希望 Lifebit 能处在浪潮的中心。” Lifebit 团队目前，市面上的其他 DNA 分析平台如 DNAnecus 和 SevenBridges， 在灵活性方面都有些欠缺，不能很好地整合进生物信息学家的工作流程中；价格较为高昂，分析过程不透明；且无法在不断的分析中主动学习、自我提升。依靠人工智能的机器学习功能，Deploit 能够填补以上不足，为相关研究者与公司打造新一代的基因研究工具。发布新产品的同时，Lifebit 宣布获得 300 万美元的种子轮投资，由 Pentech Ventures 和 Connect Ventures 领投，参投方包括 Beacon Capital 和 Tiny VC。Lifebit 表示，这笔资金将用于 Deploit 平台的后续开发以及工程师团队的扩展。目前工程师团队的成员们拥有来自 Google、Illumina 等公司的背景。Lifebit 于 2017 年 4 月创立，创始人Maria Chatzou 与 Pablo Prieto Barja 是来自剑桥大学的两位博士。2017 年 7 月，这家公司便入选了 Techstars 的孵化项目。收起

百度的AI也能设计mRNA新冠疫苗了。2020年5月，百度研究院推出全球首个mRNA疫苗基因序列设计算法 LinearDesign，是专门用于设计优化mRNA序列的高效算法。针对新型冠状病毒mRNA疫苗，LinearDesign能在11分钟内完成序列设计。计算模拟表明该设计能大大提升疫苗设计的稳定性和蛋白质表达水平。此次跨界合作缘起何处？百度的AI未来给医疗行业带来哪些新变化？对此，百度美国研究院副总经理李幸女士、百度美研深度学习实验室主任黄亮博士接受了生辉的采访，并表达了他们的看法。百度已有布局生物计算上游打算生辉：是什么契机，让百度研究院产生了展开本项研究的想法？黄亮：百度研究院对于本项研究的想法并不是一蹴而就的。我们在几年前即预见到计算生物学和生物信息学的重要性，并于 2018 年前瞻性的开展了 RNA 二级结构领域的研究。在这两年的时间内，百度研究院先后推出了全世界最快速的 RNA 结构预测算法 LinearFold，以及全世界最快速的 RNA 配分方程和碱基对概率预测算法 LinearPartition 等。这些研究成果在业内受到广泛重视，并相继被计算生物学领域顶级会议 ISMB 接收。正是因为长期的、前瞻性的研究积累，百度研究院才能在疫情爆发后，迅速响应、在短短两个月内即完成了 LinearDesign 这一重大成果。同时，百度研究院非常重视跨机构、跨学科的高水平合作。我们与斯坦福大学生物化学系 Rhiju Das 教授、罗彻斯特大学 RNA 生物中心主任 David Mathews 教授等世界顶级的 RNA 研究专家早在几年前就开始合作。充分的、高水平的合作也是 LinearDesign 产生的催化剂。具体而言，在疫情发生后，Das 教授和我们关注到现有的 mRNA 疫苗研发存在一个巨大的挑战，即 mRNA 疫苗的稳定性问题。稳定性低的 mRNA 疫苗非常“脆弱”，很容易在保存和运输过程中因为降解而失效，并导致蛋白质表达效率的大幅降低。针对这一问题 Das 教授提议一种解决方案：通过人海战术，使用我们的 LinearFold 算法为结构分析引擎， 发起疫苗设计的公开竞赛（OpenVaccine Challenge），找到适合疫苗生产的比较稳定的 mRNA 序列。百度则提出了一种更为直接和高效的解决方案，即通过算法直接设计 mRNA 序列。也就是我们所说的 LinearDesign。生辉：AI 在生物计算领域的应用近年来一直备受关注，百度未来有提供技术上游服务的计划吗？如果有，您觉得百度入局生物计算市场，最大的优势将是什么？又有哪些方面需要重点布局？李幸：非常高兴您提到这个问题。百度不仅仅有提供技术上游服务的计划，而且已经全面的实施了这一计划。正如刚才所介绍的，百度研究院已经先后推出 LinearFold 和 LinearPartition 两个 RNA 分析算法。这些算法现已被多家研究机构和公司关注，并得到非常积极的反馈。在疫情期间，我们百度研究院力推 LinearDesign 这一 mRNA 疫苗设计算法，并已与多家中外学术机构和业内领先的生物制药企业就疫苗研发开展交流和合作。同时，百度已与中国疾病预防控制中心病毒病预防控制所签署战略合作协议，联合设立“中国 CDC 应急技术中心 - 百度基因测序工作站”。这一联合工作站在 6 月北京新发地疫情中第一时间测出了病毒全基因组序列，发挥了重要作用。我们拥有杰出的科学家和算法工程师，在 AI 算法设计领域具备无可比拟的优势。而这种算法设计能力，正是其他生物制药企业所不具备且急需的，这一领域是一片值得深耕细作的蓝海。实际上，在生物计算领域布局，百度研究院借助自身算法和工程方面的特长，并结合分子生物和医药领域专家的经验，逐步摸索形成了 “专家提问题，百度想算法，专家给反馈” 这样一套行之有效的合作模式。未来，百度将在深度和广度两个维度上，继续依托我们在 AI 算法领域的深耕优势，深化与学术界和生物制药企业的合作。“一个倾宇宙‘洪荒之力’也无法完成的任务”生辉：您能简述一下算法开发的整个过程和您的主体思路吗？整套系统工具从研发到落地一共经历多长时间？黄亮：两个月。具体细节是，疫情爆发后，百度研究院组织 AI 科学家们讨论如何能将我们的技术实力，转化为社会所需。在此期间，我们关注到在疫苗研发领域，mRNA 疫苗具有研发、生产周期快，无感染风险的优点。然而，mRNA 疫苗与传统疫苗相比，存在稳定性低的问题。为了解决 mRNA 稳定性这一棘手问题，很多知名学术机构和疫苗研发企业尝试了很多不同的手段。如斯坦福大学使用百度研究院此前开源的 LinearFold 和 LinearPartition 算法，搭建了一个疫苗设计竞赛平台。让人类设计者以参与游戏的方式设计稳定的 mRNA 序列。斯坦福大学之所以想到让人类设计者进行 mRNA 疫苗设计，是因为解决这一问题所需要的计算量实在是太大了。举个例子，如果我们要从可能的新冠病毒刺突蛋白 mRNA 序列中找到最稳定的那个序列，潜在的可能序列有2.4 乘以10 的 632 次方个之多。这是什么概念？如果我们使用一台超级计算机，每秒钟计算一个可能的序列，那么自宇宙诞生之日起到现在的 130 亿年的时间里，我们连这些可能的序列的亿万分之一都没有计算完成。那么，除了使用人类设计者设计 mRNA 序列的 “人海战术” 之外，使用计算机 AI 技术是否可以更高效的解决这个问题？答案是肯定的。经过百度研究院科学家们的共同努力，我们在短短两个月时间内即研发出了一套设计最优 mRNA 序列的新算法——LinearDesign。这个算法将原来使用宇宙 “洪荒之力” 也无法完成的任务，在短短的十几分钟就能完成设计。生辉：期间有哪些技术难题，又是如何克服的？黄亮：这一问题的技术难点，一个是我们如何能将原本需要万亿年的海量搜索、计算，压缩到可以在十几分钟内就完成。另一个是它的解决需要分子生物学、免疫学、生物信息学和计算理论等多个学科的领域知识，需要算法设计、软件开发、生物医药等多个技术领域的综合能力。针对搜索空间大这个难点，我们使用动态规划算法成功解决了这一问题。这一算法也用于我们之前的 LinearFold 和 LinearPartition 算法。具体而言，首先，我们使用确定有限状态机（DFA）来表达氨基酸和蛋白质，这样不同位置上的密码子的选择就可以被抽象为计算理论中经典的 DFA 图；同时，我们借助计算语言学中的另一个常用工具，随机上下文无关语法（SCFG）。使用 SCFG 构建语法树来表示 RNA 二级结构。在我们用 DFA 抽象表示多个 RNA 序列后，我们通过取 DFA 与 SCFG 的交集，利用动态规划算法将原先 2.4 乘以 10 的 632 次方级别的搜索空间，压缩到多项式级别的 mRNA 序列搜索空间。这样我们的算法就可以在很短的时间内找到最稳定的 mRNA 序列。具体来说，我们用 DFA 来表达氨基酸和蛋白质，这样不同位置上密码子的选择就可以抽象为计算理论中常用的 DFA 图。如下图，我们分别把三种氨基酸（A: methionine, B: valine, C: serine）以及终止密码子（D）抽象为 DFA 图。（来源：受访对象提供）下一步，我们将氨基酸的 DFA 串联起来，从而得到一段蛋白质序列的DFA图。下图是蛋白质序列 “methionine leucine stop” 对应的 DFA 图。图丨蛋白质序列 “methionine leucine stop” 对应的 DFA 图（来源：受访对象提供）接下来，在有了 DFA 图后，我们如何通过 DFA 找出二级结构最稳定的 mRNA 序列呢？在这里我们借用了随机上下文无关语法（SCFG），这个计算语言学中的工具。RNA 二级结构可以通过SCFG构建语法树来表示。概括而言，mRNA 疫苗序列设计优化问题实际上是将单个 RNA 序列的二级结构计算（RNA folding）推广到多个 RNA 序列。在用 DFA 抽象表示多个 RNA 序列后，我们就可以借助上文所说的，通过 DFA 与 SCFG 的交集，来从多个 mRNA 序列中找到具有最稳定二级结构的序列。下面是一个例子。我们通过 DFA 和 SCFG 相交，生成出序列 “methionine leucine stop” 最优的 mRNA 序列为 “AUGCUGUGA”。（来源：受访对象提供）在将搜索空间压缩到多项式级别后，我们借用之前 LinearFold 的思想，将计算复杂度从三次方降低到线性，进一步压缩设计 mRNA 序列所需要的时间到十几分钟。除此之外，我们的算法还将衡量mRNA序列蛋白质表达效率的指标，密码子适应指数（CAI），与序列稳定性进行联合优化。这样我们就可以设计出理论上既稳定，密码子适应指数又好的疫苗序列。这个算法提出后，引起了世界顶级 RNA 专家、美国罗切斯特大学 David Mathews 教授的兴趣。他已加入到这个研究项目当中，在我们的算法研发过程中提出了很多宝贵的意见，并担任论文的共同作者。David Mathews 教授高度评价这个算法：“LinearDesign 是一种算法，它设计了一组结构更稳定的序列，并使用优化的密码子。此算法高效的运行速度是优化序列设计的关键，可以通过实验检验这些序列作为疫苗的效果。”生辉：目前这一工具是否有 mRNA 药物企业正在使用？对方的反馈如何？黄亮：LinearDesign 上线之后，立刻吸引了多家疫苗公司和研究机构的关注。目前我们正在验证 LinearDesign 设计的序列在生物实验条件下的稳定性和蛋白质表达水平，如果进展顺利，相信在未来的mRNA疫苗研发中将会广泛使用LinearDesign 技术。生辉：我看了关于 LinearDesign 算法相关报道，报道指出针对新冠 mRNA 疫苗序列，LinearDesign 能在 11 分钟内大大提升疫苗设计的稳定性和蛋白质表达水平，在不同的人体环境内，蛋白质表达是一个十分复杂的过程，存在较大的不确定性，请问 LinearDesign 利用哪些方式、又如何解决这一不确定性问题？ 黄亮：您提到体内蛋白质表达，的确比较复杂且存在较大不确定性，它仍是生物学和制药领域的一个重要的研究课题。目前业内一个新的研究成果来自于世界 mRNA 疫苗研发的领头羊，美国Moderna 公司。他们最新的研究表明，mRNA序列的能量越低，即二级结构越多，其基因序列越稳定，蛋白质表达水平越高。刚才我们已经介绍了LinearDesign如何在较短的时间内找到二级结构多的，同时密码子适应指数高的序列，这是我们算法的精髓。当然，能提升 mRNA 蛋白质表达水平的指标还包括密码子适应指数（CAI），非翻译区（UTR）序列的选取等因素。值得重点强调的一点是，我们的 LinearDesign 算法可以将这些影响因素综合考虑，设计出二级结构多、密码子适应指数好，并且符合各种不同优化条件组合的 mRNA 序列。生辉：LinearDesign 算法的衡量指标如何？黄亮：在这里我就举一个最重要的衡量指标，mRNA 序列所对应二级结构的能量稳定性。刚才我们提到，根据 Moderna 的最新研究成果，能量低的、稳定的二级结构将直接提升 mRNA 的蛋白质表达水平。请参看下图中的几个 mRNA 序列例子，图丨mRNA序列结构（来源：受访对象提供）从上面的对比图可以看出，在新冠病毒的刺突蛋白序列上的实验表明，LinearDesign 算法可以设计出比天然序列（Wildtype，图 A）稳定得多的结构（能量分数越低越稳定）。其中全局最优序列（图 C，三次方时间算法）设计时间只需要 1 小时 ，而如果进一步应用近似算法，则只需要 11 分钟就可得到与全局最优序列能量相差仅 0.6% 的近似最优序列（图 B，线性时间算法）。同时，如果进一步考虑到 5‘ 端前 15 个核苷酸在与 Ribosome 结合时，需要保持相对较少的二级结构，我们也可以定制化的设计出 5’ 端结构松散的序列（图 E、F） 。“AI 技术未来将对生命科学发挥更大的价值”生辉：未来 LinearDesign 会应用于其他疾病药物 / 疫苗的研发吗？有计划正在推进中吗？有深耕生命科学领域的初步意向及计划吗？李幸：我们的算法是一个优化序列的算法。凡涉及到序列设计的，各种疾病的药物/ 疫苗研发，我们的算法都将有用武之地。因此，LinearDesign 不仅能用于新冠病毒 mRNA 疫苗的研发，还能用于个性化肿瘤药物等其他 mRNA 药物、抗体和疫苗的研发。目前已经有几家公司和机构在和百度洽谈构建 mRNA 生物计算平台的计划，百度研究院长期致力于推动 AI 算法技术与生物制药行业的深度结合，将 LinearFold，LinearPartition，以及 LinearDesign 等优秀算法推广到药物 / 疫苗研发等广泛的应用场景中。未来在生命科学领域，我们相信人工智能、生物计算技术还是大有可为的，它可以缩短新药研发的周期、降低新药的研发成本，提高医疗诊断的准确性和效率，这些将使人类在面对健康问题时更加主动。生辉：百度研究院近几年的规划，以及未来的愿景是什么？李幸：百度研究院拥有行业内最优秀的科学家团队，并与业内最优秀的科研学术机构和相关企业保持长期和高效的合作。我们将继续以构建国际级领先水平研究院为使命，持续保持在 AI 算法领域的长期竞争力。通过与优秀的科研机构和业内领跑企业的合作，保持高效率的研发状态，并持续将所研发出的最新成果通过与业内机构的合作进行落地。同时我们会不断拓宽百度研究院的领域，将 AI 能够驱动的新的行业和研究机会纳入进来。收起

Ragothaman Yennamalli是印度Jaypee信息技术大学的助理教授，他的研究方向是运用计算工具来研究蛋白质的结构和功能。在这篇访谈中，Ragothaman向我们介绍了他从研究微生物到从事计算生物学的转变过程，以及在这个过程中的收获和挑战。青年科学家代表着科学界的未来，然而他们面临着基金申请的激烈竞争以及发表文章的巨大压力。近年来，青年科学家（年轻的终身研究员和博士后）所面临的挑战越来越受到关注。尽管存在诸多挑战，年轻的研究人员仍在不断为科学界作出值得称颂的重要贡献。青年科学家，Ragothaman Yennamalli请向读者介绍一下您的研究方向。我的研究涉及计算生物学和生物信息学领域。具体来说，主要涉及一些能够催化有趣反应的酶，以及这些酶与其他蛋白质的相互作用。目前，我的研究重点是溶解性多糖单加氧酶，它对于生物乙醇的生产非常重要。这些蛋白质不仅在工业中具有重要意义，而且对于细菌侵入宿主期间的细菌性病理发生也很重要。为理解蛋白质与纤维素、甲壳素等结晶多糖底物的相互作用，我们会研究蛋白质的结构和动力学。只有充分了解蛋白质的静态和动态特性，才能对其有更加全面的认识。您到目前为止的研究经历是什么样的？我从高中开始就非常热爱生物，这还得感谢我的高中生物老师Kamalam Nair女士和高中物理老师Subramani先生，是他们让我领悟到学习科学、了解科学的过程不仅是为了成绩，更是出于兴趣！因此，一路走来，我都会去做那些让我觉得快乐、充满乐趣的科学工作。我之前一直想成为外科医生，并为此做了很多努力。但后来喜欢上了微生物学，所以在本科时选择了微生物学专业。念到硕士时，我转向了生物信息学，因为我发现它也一样颇具魅力。我享受写代码并通过计算机来提问。幸运的是，在每一个转折点，我都能得到导师们的支持和指导，他们帮助我做出了艰难的抉择。硕士毕业后，我觉得说朝九晚五的工作并没有什么吸引力，便进入了印度贾瓦哈拉尔尼赫鲁大学Subbarao博士的实验室进行博士研究。在澳大利亚政府的支持下，我在博士期间访问了Bostjan Kobe教授、Alan Mark教授和Paul Young教授的实验室，并在那里学习了有关细胞培养和计算模拟的知识。获得了博士学位后，我没有继续从事药物设计的工作，转而开始了全新的生物能领域的研究。由于我此前并未涉足过生物能源领域，美国爱荷华州立大学的Taner Sen博士和Jeff Wolt教授总是热情地同我讨论我的项目，并不断鼓励我。我努力走出自己的舒适区，学习新事物并不断扩展自己的视野。在这种想法下，我加入了George Phillips教授的团队（他先是在威斯康星大学麦迪逊分校，后面去了赖斯大学）。在博士后期间，我意识自己有一些潜力可以被发掘，我发现自己擅长团队管理以及团队合作。和George的合作非常有趣，我们将一台80英寸的高清电视与Xbox控制器相连，将蛋白质的三维结构进行可视化操作。这简直就是实验室里的迷你家庭影院！我生命中的每一步都激励着我成为一个更好的人，一个更好的科学家。我在Jaypee工作的近3年里一直努力尝试在自己的独立研究中运用这些技能。同时，我也努力在工作和科研中找寻乐趣。您对您的研究领域的未来发展有何展望？计算生物学和生物信息学领域目前正处于一个非常激动人心的阶段。在许多勤奋且热情的科学家的努力下，这两个领域正逐步成为跨学科领域。每天有大量的数据产生，这给数据分析带来了巨大的挑战，需要大量的实验室和专业人员。更具体地，我认为未来会出现在高通量数据驱使下的量化结果，通过机器学习可以将这些结果应用于个人基因组、分子系统等多个领域。此外，数据的共享和访问也会推动这个领域的发展。这点是让我喜闻乐见的，因为数据会带来新的进步、新的机会，以及新的观点。您能给读者讲讲研究生涯中遇到的挫折吗？我遭受过的一个很大的挫折是“冒名顶替综合症（Imposter Syndrome）”。之前我还不知道这个症状有专门的名字，当第一次看到这个术语时的感觉就是“原来如此”！我希望能更好地应对这种综合症，在研究生涯的关键时刻不屈服于它。另一个挑战是让自己保持积极的态度。我学会了从小小的胜利中汲取能量，就如迪士尼电影“海底总动员”中Dory所说的那样一直在“坚持游下去”。我已故父母曾告诉我“一切都是为了美好的结局”，这句话无数次帮助我在逆境中看到希望。作为一名新的PI，我需要学会做好时间管理，努力让自己成为一名好导师。我也背负着别人的期望。不管怎样，相信事情总是会越来越好。在过去一年间，由一群助理教授组成的新PI互助社（约有1000名成员）也给了我很多帮助。从优秀科学家同行那里得到帮助和支持是上天给的礼物，我们彼此之间的共鸣也能碰撞出新的想法。如果回到过去，您会给年轻的自己什么建议？首先，善待自己。不要过分苛责自己！事情可能看起来进展得不顺利，但最终一切都会好的。第二，相信你的直觉，享受过程！第三，尽早参与科研人员联系网，我最富有成效的一些合作都来自多年前建立的联系。附加题：你最喜欢的蛋白结构是什么？这个问题还挺难回答的。我研究过很多蛋白质，每一种蛋白质都是独特而有趣的。但有那么一个蛋白，它让我爱上了结构和功能的研究，这个蛋白就是牛核糖核酸酶抑制剂（Bovine Ribonuclease Inhibitor）。早在2001年我就写过一篇介绍，并且就这种蛋白的功能向同行们做了一个报告。它的马蹄形让我着迷，的确它也属于马蹄形折叠的蛋白。三年后在澳大利亚昆士兰大学与Bostjan Kobe教授合作时，我才发现这种蛋白质的结构正是他跟随诺贝尔奖获得者Johann Deisenhofer教授进行的博士后研究。我之前完全不知道这件事，但之后事情的走向也让我觉得十分意外。所以那种蛋白质给我留下了不可磨灭的记忆。马蹄形折叠的牛核糖核酸酶抑制剂本采访由高级编辑Dominique Morneau完成。由施普林格·自然北京办公室编译。收起

今天上午一条新闻迅速成为热搜，这条热搜的内容，可谓是相当的惊爆。一位28岁的女博士，获聘成为大学博士生导师，而且在看了这位女博士的证件照之后，大家纷纷表示羡慕嫉妒恨，不仅仅是才华横溢、天资过人，而且人长得还漂亮。证件照28岁、长得漂亮、知名医科大学博导，这些因素单一个拿出来其实没什么，但是当它们组合在一起的时候，那就真的令人震撼了。28岁还是90后啊！笔者也是个90后，虽然也是个老师，在这位“巨佬”面前，简直是无地自容啊。成就斐然，《NSC》在手在仔细看了这位女博士的介绍之后，发现人家能成为博士生导师，真的不是一个意外，那是实力的象征。人家公布出来的论文，都是《Nature Cell Biology》级别的，而且还不止一篇，除了自己一作发表的一篇之外，还有一篇和他人合作发表的文章，两篇这种级别的论文在手，评上博导也就不令人意外了。这位女博士的导师，那也是大大的有名，汤富酬教授领导的团队，在国内生物学界享有盛名，已经出了很多优秀的成果。生物不是劝退专业吗？看了这位李琳博士的成就，让人羡慕嫉妒恨的同时，不得不让人有一种想要投身生物研究的想法。李琳博士这次被南方医科大学聘为博导，是以先进人才的方式引进的，要知道南医对引进的人才可是相当的大方，待遇和条件包括但不限于：70-90万的税前年薪，200万左右的安家费，400万左右的科研经费（启动基金，能力强以后会有更多），提供相应的过渡住房，提供必要的科研设备，提供相应的职称等级和编制，还可以帮助解决配偶的工作问题……这只是写在纸上的，这种优秀的人才更多的恐怕是“一人一策”。我认识的博士，即便是同样在大学任教，待遇上也要差很远，生物学上的博士就是这么令人羡慕吗？难道生物已经不是之前的劝退专业，而是成为一门“显学”了吗？笔者问了问自己去读生物学的学生，他们的回复很简单，生物电子工程是显学，好像比较容易出成果，李琳博士的研究领域就是单细胞表观基因组学，而整个生物学的大环境，依然是不咋地，本科生还是没啥出路。像这位李琳博士，人家本科就是985大学，然后直接直博了，博士导师还是院士。当别的博士都在为毕业发愁的时候，李博士已经是《NSC》在手，而且还拿了国家级的大奖，得天独厚的条件，加上适当的人生际遇，才有了现在的光辉，这样的经历没有可复制性。生物依然是劝退专业，如果不是真的热爱生物，打算日后投身生物研究，那尽量还是不要报考。生物的本科生，几乎不会有出路，想当个高中的普通教师，都需要读个研究生才可以，想去公司和大学搞研究，就得读到博士才有机会。好专业和一般专业好专业和一般专业的区别也在于此，好专业的出路广，985有年薪一二十万的工作，普通本科也能找到月薪七八千的工作。而那些“劝退专业”，985本科也只能找到月薪七八千的工作，普通本科可能就是“毕业即失业”了，想找到一份好的工作，就必须要读到研究生或者是博士生以后了。尤其是现在大学生越来越多，今年的毕业生更是超过八百万，大学的扩招也还没有停止，在这样的形势下，每一年都能称得上是“史上更难就业季”。当然大环境是大环境，个人是个人，人生际遇谁能说的准那？只能说优秀的人，选哪个专业成功的几率都更大，但是高三考生们一定要慎重，尤其是像生物、物理、化学这样的基础科目，将来的出路真的不多。收起