1樓：
很多溼實驗完備的實驗室做的那些分析，都算不上「生信」，只能算是「有資料可看」。自己的能力和精力是一方面，能不能找到合適的老闆和平台是更大的問題。
2樓：誰弄亂作息
two hints:
1omics: ngs= wet lib preparation + genome/ transcriptome assembly + later analyses. e.
g., network, phylogenetic tree construction.....
microarray and proteomics are with abundant commercial softs, may be hard to touch the dry part. but if you are smart enough, novel algorithms and softwares are in demand in the fields of computatinal proteomics. e.
g., proteogenomic and denovo peptide sequencing.
2 systhesis: computer aided drug/protein design + wet high throughtput compound/molecule screening
3樓：「已登出」
十年前，魔都某高校有個生物學博士，做著自己的課題實驗發現似乎不大好按時畢業，外加生信是愛好，便自己閒暇之餘搞了搞，搞出了個十來分的生信文章，順利走人。
4樓：TritonX
親身經歷，也許不具有普適性。
我跟題主想法類似，開始做rotation的時候選擇過計算方向和傳統方向的實驗室，也糾結了一陣到底該選擇哪個方向，思考結論如下：
1. 對我來說，略有計算基礎，數學、演算法和語言好學，也不需要大段的時間；而真正挖掘乙個生物學領域課題的能力沒有，邏輯思維差，抗挫折能力差，搬磚水平不足，這些都是需要長時間訓練、浸淫才能提高的。
2. 博士期間有機會看清生物行業發展前景和自己到底有沒有做生物學研究的能力（不當PI沒意義），實在不行可以及時轉行；如果PhD做計算，一是不太好往傳統方向迴轉，二是可能被溫水煮青蛙，不能及時止損。
所以加了乙個比較小的新lab，老闆比較關心學生也會帶人，自己仍然處於天天被碾壓覺得老闆好NB的階段；同時在學校/Coursera上選了一些計算方向的specialization，白天作實驗，晚上編程式設計，兩邊都在學。PS. 定lab前問過老闆我想學計算方面的東西他介不介意，老闆說okay.
沒有加計算的lab還有乙個原因，那個lab比較清閒，我定力又差，一直坐電腦前面估計就剩刷網頁了；而且久坐身體不適，能搬搬磚鍛鍊下身體也是極好的。
至於第二個問題，現在很多lab都是乾濕結合的吧，我ro的那個就是，也還能數出來其它一些；學校一般也有跨program的課可以選。
利用好第一年rotation的機會就好了，感受一下自己到底適合、喜歡、需要哪方面訓練再選擇。
5樓：Zhang Bill
看你怎麼定義「涉獵」吧。比如數理背景的人涉獵實驗，可以有下面這樣的層次： 知道實驗原理---知道技術細節----知道操作過程---實際操作過----實際成功的操作過-----實際成功的解決過實驗中的問題------等等都算是「涉獵」了實驗。
我見到過各種水平的人都有，成功的，失敗的案例也都很多，這沒有乙個統一的定論，看你自己的興趣，悟性，和機緣。反之（生物背景學計算）也是一樣。自己多試試，沒壞處。
生物資訊學 Bioinformatics 和醫學 健康資訊學 Heath Informatics 哪個就業前景好？
狐狸少爺 樓主所說的健康資訊學，在國內應該是醫學資訊學。目前國內醫學資訊學本科專業主要是在醫學院校開設的資訊管理與資訊系統 醫藥方向 大概有40幾所醫學院校都開設此專業。主要課程就是計算機和醫學相關課程，就業目標就是醫院資訊科，醫療軟體公司。隨著移動醫療，醫療大資料，網際網路健康的興起，該專業畢業生...
什麼是生物資訊學？生物資訊學中計算機和大資料各扮演什麼樣的角色？
張旭東 當研究樣本量小 研究物件只是一兩個基因的時候，實驗結果用個小本記一下就行了，不用統計學方法，更用不上計算機程式設計，高效能計算。但是隨著高通量測序技術的發展和人類基因組計畫的完成，大資料 大樣本量的時代來了。樣本量大了，你需要科學的統計學方法 資料量大了，你需要高效的計算機程式設計。數學 計...
即將在計算生物學領域和生物資訊學領域和生物資訊學領域讀PhD，這個領域什麼樣的導師算是好導師呢？
資料科學那些事 雖然不是完全切題，但是這裡寫了一些選導師容易調入的坑，以及如何避免。申請國外 PhD，選擇導師的時候，都有哪些 坑 需要留心？目前生物資訊學及系統生物學有哪些大牛？ Philip Yang 跟其他答主一樣的部分 大原則還是先選方向，再看導師。個人想法 不要衝著大資料，特別是你是生物背...