去年我们做了一次关于生物信息就业问题的直播，很多人踊跃提问，大家有很多困惑，这里整理了文字本合集。而且由于个体差别，并不一定适合所有人，比如很多问题都类似于“小马过河”的问题，以下内容仅代表个人观点，每个人学识眼界有所差别，都有很大的局限性，我的回答仅供参考。
问题1：我就是问问我这种会生信的双非硕士人士能不能去公司里做分析相关的工作，自己不断学习的情况下晋升空间大么？
问题2：王老师好，我目前的现状是可以完成大部分的生信分析工作，但是没有写过软件或者算法开发的工作，考虑到单纯做生信分析毕业后竞争力可能不强，所以一直想往生信开发这方面努力，目前正在读博，但不知道应该怎么向开发生信软件的方面转，您要是有空可以直播时候帮忙解答一下。
问题3：做算法需要什么专业知识背景？
很多人都想做生物信息算法方面的工作，但这么提问的人一般都是生物医学农学相关专业，对于计算机知识还需要度了解。要想做算法相关工作。基本要求要熟悉计算机语言，至少能够实现自己的想法。其实要对要解决生物问题非常了解，比如数据比对过程中，有哪些影响因素，如何通过软件算法解决这些问题，最后还需要很多数学统计知识，因为在编程过程中，经常要使用一些计算模型来进行过滤。归根结底，想要做好生物信息算法工作，还是回到最基础的计算机 + 生物 + 统计。
问题4：现在生信硕士被裁的多吗，是不是跑pipeline的最容易被裁？
问题5、感觉现在搞科研服务太重复了，每天就是重复跑流程，想换点不重复，可以有哪些转型的领域？
问题6、北上广深，从生信就业而言，王老师推荐什么排序？
在东北就业好还是在南方就业好？去南方发展是不比北方好一点？
问题7：生物信息医学方向有什么比较好的岗位嘛
问题8：读生物学以后不懂生信影响很大吗，要不要专门去读这个方向的研，还是就把他作为一个工具。
问题9：科研服务方向和临床检测方向哪个生信前景更好一些呢？
问题10：王老师，硕士自己自学生信找工作，想做的项目丰富一下简历，重复论文的分析流程可以算项目经历吗？或者老师有推荐的方法吗？
科研服务本身也属于服务行业，服务行业就会遇到各种各样的客户，我也遇到过这样的客户，使用过我们的提供的服务之后付款特别慢。而科研有一定风险，并不是每一次都能如预期结果。
这种情况一方面需要提高自身技术，拿出切实可行的证据，提出影响因素是哪些，找出拿不出好结果的问题是哪些。是真实不存在，还是测序质量影响，测序技术限制，测序数据量不足等。
另一方面也要规避风险，有些客户前期喜欢夸大其词，说自己有多大项目，经费多少，然后小做个小项目测试下，也不要全相信。
一种情况是一直做分析，可以升级到技术总监，首席技术官。也可以跳槽去当技术型销售。每个人具体情况不同，而且金字塔尖只能站少数人，比如一个公司技术总监只有一人，不可能每一个做生信的都有这样的发展路径。职场发展并不是和年龄增长一样，到了某个年龄段就自然而然发生，还是看个人能力。
只能是不停努力，等待机会。
从事临检和科研的都有很多人，具体哪个有前途还是看个人能力。很多人经常问做什么事能赚钱，往往忽略了，做事儿的人。比如都做自媒体，也不是每个人都能做好。
没有逻辑思维的人经常自勉“选择比努力更重要”，比人成功并不是自己努力，而是他选择对了，赶上了风口，运气好。其实正因为别人不停努力，才能做出正确的选择，才有了更多的选择。
下一个风口是AI，已经明牌了，可是你选择不了，做不了。所以这种问题还是看个人。
我和别人有些不同，我主要是通过制作课程，不停学习，不停提高的。但不变的是都要不停学习。生物信息是一个快速发展的学习，技术更新非常快，测序技术每年都有大的更新，软件数据库也不停更新，新的方法层出不穷，百花齐放，百家争鸣。面对这种情况很多人会觉得无所适从，无处下手。其实最重要的还是夯实基础。当具有一定基础之后，在学习其他内容就非常容易了，而且可以很快掌握。比如熟练掌握Linux，俺么不管哪种生物软件，都可以很容易的安装使用。熟悉基本统计信息，不同的算法也很容易掌握。
另外，熟练使用英语也特别重要，这样可以熟练阅读最新文献和软件文档。
一般学3个月到半年就可以上手做一些分析，每个人具体情况不同，如果有计算机基础，上手更快，我自己当时好像一年多才理解自己做的工作，属于上手比较慢。但后续还有更多内容要学习，比如可以接一下科研绘图的工具，这就要熟悉各种绘图技巧。另一方面虽然是绘图，但生成绘图数据的过程更复杂。总之“一入生信深似海，从此娱乐是路人”
另外，咱们学习的目的也别太功利了，虽然赚钱也很快乐，可以极大激发学习动力，但还是要能从学习中获取一些快乐和成就感，这样是良性循环，学习更快，赚钱更多。
技术上不多，因为生物信息要学的内容太多，更新太快。比如基因组分析，RNAseq，肿瘤基因组，宏基因组，人基因组等都有很大差别，目前还没有一个大家都承认的职业资格证书。生物信息分析目前更加注重实用性，还是以实践为主。如果你是学生，更好的证明是SCI文章，或者开发一个有一定影响力的软件。
比如一个招聘场景，你直接告诉对面无论是HR还是博导，你SCI分值超过100分，发过10分以上文章，你是xxx软件作者，这更有冲击力。
我最早工作的时候，使用的是内网的分析平台，大家公用一台服务器，只能在内部使用。当时就有一种想法，如果客户能远程访问，是不是自己就可以分析自己数据了。这是最早共享生物云服务器的想法，后来我就用各种方法尝试将公司内部环境配置到外网上。这期间要学习各种IT技术，比如硬件知识，操作系统，网络知识，现在看就是学习IT运维。最早也是使用阿里云。不过公有云服务器价格还是非常非常贵，最早我用16核心32G的机器，一年就需要10000多，后来为了降低成本，自己买机器搭建私有云，用户感觉一样的，某种程度我们这种也属于小型公有云，这样价格就可以将的非常多。
一方面是自己的购买硬件，另一方面采用共享模式，也就是多人使用模式，同等配置，价格是公有云的1/10到1/20。
除了价格，还有一个优势，公有云都是空环境，而我们专业做生信的，已经配置了大量生物软件和数据库，省去客户自己配置环境的烦恼，节省大量时间。
分析以使用工具为主，熟练使用各种生物软件以及统计软件，只要能用别人工具完成工作就行。开发是创造工具，主要工作是编程。但二者并不矛盾，而是相辅相成的。熟练使用工具能够熟悉工具的优缺点，熟悉分析中要解决的问题，然后自己开发工具解决这些问题，提供更好的工具。
熟悉开发就能够知道分析中每一步的处里细节，了解每个参数制定的意义，该如何设置。
还是拿摄影举例，你可以熟悉相机的使用，在各种场景下都能拍出好照片，这样也做的很好。
如果你是相机开发人员，是不是也需要了解一些摄影技术，才能更好的开发相机。
问题21：去公司和去高校的区别是啥了
这又是一个选择问题，公司以盈利为目的，选择公司来钱快，可以多赚钱。如果能力强就可以多赚钱。如果你有商业头脑，能够发现市场机遇，可以赚更多钱。如果是喜欢安静，喜欢搞科研，可以选择去高校。肯定有人要说去公司赚的少，高校也不轻松，工作压力也大。确实高校也不轻松，要教课带学生，申请项目做科研，晋升越来越激烈，甚至对很多副教授级别都开始有淘汰机制了。
但我想说这样不对吗，难道去高校就意味着工作轻松稳定，人际关系简单，福利待遇好吗？如果你幻想着就是去公司能赚钱多，去高校稳定轻松，那么去哪儿都不合适。都是各有优缺点，就像选择A好还是B好一样。都有人选择，也都有人做的好和不好。做人不能既要又要还要。
我还真有朋友在医院做科研岗，和在研究所里类似，每天就是申请项目，搞科研，写文章，也带学生。不用去门诊，查病房，上手术台这些临床医生要做的事情，而且也不用加班，最重要的是不用上夜班。工资工作都很稳定。
但是社会地位肯能就不如临床医生了。描述一个真实场景，餐桌上别人一听你在医院工作，眼睛一亮，问你哪个科啊，你说我不上临床，我在医院搞科研。对方一听，心想没什么用，只能“嗷”一声。瞬间觉得你的使用价值下降了，本来还以为以后能拖你在医院帮个忙呢，这就是社会地位不如临床医生的案例。让普通大众觉得去东北菜馆点了一份水煮鱼，去湘菜馆点了锅包肉。能吃，但总感觉有点不对味。
但医院也需要做科研，如果你科研能力强，能帮主任院长整出几篇大文章，前途还是不可限量的。
如果有机会读博，我一直还是劝大家读博士，毕竟读完博士选择权更多，可以去高校当老师，可以选择研究所，也可以选择去公司。如果不读博，大概率只能去公司。
做技术和做产品经理不矛盾，最好是先从事技术岗，然后在转产品经理。这个和IT行业非常类似。如果你不懂技术，根本压不住下面的技术人员，我们技术人员做事都非常简单直接，如果你能靠技术实力压到下面程序员，产品经理做起来容易一些。不懂技术的产品经理很难做的。
读博的问题前面提到了，如果有条件，比如经济宽裕，有对象了，还愿意继续学习，精神正常还是读一个比较好。
出国会不会有更好发展不能评价，但出国多交流一下，开阔眼界还是有必要的。读万卷书，行万里路。虽然现在“留子”很多，海归已经不如30年前的含金量 ，但留学最为一个人的人生体验，还是很有价值的，对于人生发展有好处。而且现在国内竞争压力太大，出去也给国内多一个名额。以后各行各业都要出海，提前做好准备，说不定后面刚好就有一个大机会。
过了而立之年，自己该清楚该要什么了，只能自己给自己规划了。虽然有很多大器晚成的案例，但是不多了，后浪一浪接一浪。
做数据分析，有肿瘤基因组，无创产前，胚胎植入前筛查，肿瘤早筛，罕见病，病原微生物检测等方向
我个人认为项目经历最好是能完成一篇一作，这样可以证明你有完整项目经历，如果只是挂个名，不足以证明贡献。研究生最好的证明就是文章。这很公平，用人单位没时间和精力去了解你读书期间到底学的怎么样。“talk is cheap，show me the code”。直接甩给对方一叠SCI文章最有效。
数量掌握Linux，这样就可以轻松部署运维生物信息分析环境。现在公司需要安装配置一个最新文章中的软件，很复杂，但是你能通过各种方式配置成功。甚至可以配置成docker容器，部署在公司多台服务器上。
我不清楚是参加哪个秋招会得到的结论。但是我觉得不至于每个企业都要求必须是985，211，甚至c9联盟。一方面没有这么多人，难道剩余非985和211大量毕业生的一点机会都没有了，另一方面，企业在用人上，选择985和211成本也更高。
问题31：微生物组学只能朝着大数据方向发展吗
我刚开始工作的时候就有人提出这个观点，也有很多公司去做了。开发图形化生物软件，或者网络界面。其实现在已经有很多这样的工具了，甚至有很多非常完善，比如CLC软件，geneious软件等，不过这些软件都需要付费使用。
另外，我们经常要使用一些文献中最新发表的工具，这些软件一般是没有图形化的。
图像化有优点，也有缺点。图形化会占用系统资源，另外最重要的是图形化不方便实现自动化和批量化。比如点鼠标可以处理一个样本，10个样本，但处理10000个样本还是挺废鼠标的。
其实大家找工作的时候真的不用太在乎底薪，因为底薪并不是你永远的薪酬，我们是需要先进入一个行业。我经常举的案例是NBA选秀的案例，不管多优秀，进入NBA第一份合同都是新秀合同，至于后面是拿顶薪还是被裁掉，这完全看自己水平。
7000或者8500，一年相差18000，可能你觉得这非常多啊，但如果换一种思路，因为1500的差价，而错失一个机会，反而得不偿失。
第一份工作更应该看看前景如何，是否在大城市，大公司，能开阔自己的眼界。
你要相信通过自己的努力，后面能力提高，一年可能就把前面4年的薪水都赚回来。
希望大家以后不要给自己加上“双非”标签了，老百姓还以为双非是“非法非礼”的简称呢。还是之前的观点，大家努力都有美好的未来。我当年高考考的不好，也不是985，211，双一流。但就觉得没有未来了吗，二本学生没有未来？三本学生没有未来？大专没有未来？中专没有未来？没学历的不活了？还是要自身不停努力，爱拼才会赢。大学生如果对未来没有希望，都发配到东北掰苞米，一周社会实践之后都能认真学习了。
很正常，投简历找工作最好有的放矢，而不是广撒网，多敛鱼。首先要对自己能力有所了解，自己有什么技能，能够满足哪些岗位，匹配哪些岗位。比如一个大公司生物信息岗位，要求熟练掌握Linux，R，python。但如果你其中一项也不满足，投递多少简历都是在浪费彼此时间。
之前我应聘的时候也有同学特别舍得花钱，狂印简历，招聘会上，差不多岗位就投递一份，以为只要投的多机会就多，到后来人家公司给打电话根本记不住哪家公司了。后面可能哪家公司先招聘，就先到哪家公司工作了，然后从此就迈入这个行业，也可能非常幸运，从此飞黄腾达。虽然人生很多时候就是这么随机，但也要做好承担后果的准备。
是否有好工作影响因素很多，一命二运三风水，天时地利人和。15年前，生物信息刚刚起步。如果你在选校期间就学了一些流程和命令，还能进行一些分析，精神上没什么问题，那么一天能找到10份工作。
但今时不同往日，现在生物信息属于买方市场，很多企业单位要求高了，有些只要985，有的要求各项技能达标。
不过也不要灰心，应届生零基础也很正常，我们看金庸小说，哪个男主角刚出场不都是零基础，后面机缘巧合，才练成绝世武功的，然后抱得美人归，都要有一个成长阶段。反观古龙小说，出道即巅峰，男主角一出场就天下无敌了，找不到对手，然后各种矫情痛苦，各种不幸。
所以不必灰心，能招到好工作，还是有很多单位要以要应届生，尤其一些大企业。应届生更容易接受自己企业文化，与企业共同成长。比一些职场老油条好的多。
也没有吧，AI也做不了实验。现在很多人对AI属于杞人忧天。绝大部分人是对AI原理，如何工作一无所知。容易被自媒体上某个片段惊艳到。当时gpt刚出来的时候，被宣传的无所不能。后来sora出来，也是同样的场景。也是不懂技术的人越容易迷恋基础。
今天开看，很多生成式AI都是在制造数字垃圾。多学一些历史，蒸汽机，发动机，电动机，计算机，每一次技术进步的时候都有这样的困惑。
可以做测序服务的销售。如果有可能，建议去大公司，大公司品牌会帮你自带流量，推广的时候更容易一些。省去很多自我介绍的时间。而且大公司有完善的业务培训机制，每年都会对销售进行培训。还有一点，大公司技术人员也比较多，如果遇到技术问题，能解决的人多一些。
但是，凡事都是一体两面的，小公司也有小公司的优势。把你派到一个城市，让你去开疆拓土，去不断从大公司手中抢下业务。拿下一个城市，一个省，一个大区，有一种开疆拓土，君临天下的感觉。随着公司的成长，机会也越来越多。成为公司元老，拿到股份。大公司一个萝卜一个坑，前面销售总监不离职，不升职，永远一线业务员。看个人选择吧。
这个不清楚，其实也不重要，平均工资完全没有意义，我和马化腾平均资产过千亿。平均值与自己关系不大，而且深圳平均工资高，但是物价也高。
其实大部分人无论当初选择什么专业，都会后悔，因为发现和自己想想的不一样。学生物不是浪漫的去探索有趣的生物世界，而是不停地做无聊乏味重复的实验。如果你选择了计算机，土木，法学，医学等等其他专业，都是一样的结果，人人外面都围了一座城，幻想其他专业都是美好的。
前面我们回答了49个问题，相信大家对于自己是否需要学习生物信息应该有了自己明确的答案。每个人都有自己的路，有自己的选择，这个选择可能选对了，也可能选的不如意，但这就是生活。
其实很多问题都无法给出具体的是或者否，因为每个人具体情况完全不一样，都是人生选择问题，比如出国还是留在国内，选择大学还是公司，去搞算法还是分析，去大公司还是小公司，去北京还是上海，去做销售还是做技术，我都归结为小马过河问题，我只能根据自身理解将各自优缺点说一下，至于如何抉择还在于个人。
虽然我们做生物信息付费培训，但从不制造焦虑，也并不画饼充饥。并不是每个人都需要学习生物信息，也不是学了就能学好，投入就有产出，还是看自己需要什么。很多选择都无所谓对与错，好与坏。你选择了一条路，就错过了另外一条。但是不管选择哪一条，都需要自己不停努力，因为爱拼才会赢。
《未选择的路》
罗伯特·弗罗斯特
