生物信息學就業前景和生物信息學研究工作者的就業方向？

01-01

生物信息學在國內一直是一個比較前沿的學科，由於學科為生物學服務，根據生物學科學生們的就業情況，牛逼的在高校，稍差一點的去研究所工作。當然也有純純的生活在模型和演算法當中的人類去了互聯網或者金融。這基本是phd們畢業後的去向，生信碩士畢業的很難說。
請大家談談生信的就業前景吧，如果無心繼續活在科研領域，博士畢業就工作，就業前景怎麼樣？
美帝那邊生信和生統的區別似乎不大，很多不在學術界混的大概都去了藥廠或者金融領域了。也希望過來人談談自己的就業。

本碩博都是這個專業，目前博士在讀。

本科同學沒有考研的，男生主晚都滾去遊戲開發自己創業之類的，女生幹啥的都有，老師，文員，極少數做生物信息！但是在做的現在工資也是棒棒的。

碩士，有滾回家當老師的，也有進企業嗨的。

博士師兄師姐，都進高校啦！！

-----------20160309更新線----------

關於工資:

評論里提到的工資是我是前兩年碩士畢業找工作時的行情，最近了解已經漲了，小本干兩三年，有點水平都能1w+了，有的地方，博士能給20w到30w。

但我個人並不十分欣喜，有點泡沫的感覺。

一些思考:

現在生物信息的需求是越來越多了，目前公司能夠發展潛力巨大，是市場需求。

但是各大高校，甚至連博士點都沒有的地級市的二本院校都盯上生物信息專業了，有意向讓我去了以後開設這個課程。

欣欣向榮是好事，看清楚發展方向，在某一落腳點穩住腳跟，明白自己想要什麼才是最重要的，可惜對於未來，我也迷茫了。

在高校，土鱉博士想進好點的高校不可能，去了普通高校，拿項目是問題，生物信息是服務型學科，怎樣積累自己的東西是問題。

去企業，幫別人處理數據能算科研嗎？單純掙錢真的是我所願？儘管我能力有限，但仍有科學夢，畢竟生物信息是手段，對生命科學一直是有愛的，永遠無法做自己想做的事情，哎，大概還是太稚嫩，沒有脫離中二期吧。

思路亂，將就看吧。

生物信息學專業畢業後做科研的多，應用也在發展，以下做個簡單的整理：

1.科技服務

為大學、研究所、醫院、藥廠等提供測序和生物信息分析服務，業務範圍相當廣，比如Denovo測序，重測序，RNA，Meta，群體分析等等，基本上還是在科研圈子裡面轉悠。如果你喜歡生物信息學，這樣的單位也是個不錯的選擇。國內從事這種業務的公司很多，如深圳華大基因，北京諾禾致源等等，還有很多大大小小的公司，具體可以參考這個帖子：

國內生物信息學領域或基因組測序相關的創業公司有哪些，其主營業務分別是什麼？

2.產前篩查

通過評估母體血液中胎兒DNA進行遺傳異常的篩查和檢測。這項技術避免了侵入性產前診斷，如，絨毛膜取樣和羊水穿刺。目前應用最成功的是唐氏綜合症&<21號染色體疾病&>篩查，據說準確率高達99.97%（還有愛德華氏綜合征&<18號染色體疾病&>和帕陶氏綜合征&<13號染色體疾病&>等等）。國內從事這個業務的主要有華大基因、貝瑞和康。

華大基因——全球最大基因組研究中心

貝瑞和康

3.基因檢測

檢測你基因組上若干位點，然後預測你的患病風險、藥物反應、個體特徵以及祖源信息等，依據的是學術界已有的大量研究成果。但最大問題是：預測結果的準確度很值得懷疑。因為在疾病的發生髮展過程中，往往是多個基因共同起作用，還有環境因素的誘導。而預測卻只是檢測幾個位點，從部分推導整體，其準確度自然難有保證。

國外有23andme，國內有360基因，另外還有一幫掛羊頭賣狗肉以忽悠為目的的公司。

23andMe - Genetic Testing for Ancestry; DNA Test

基因體檢開啟健康生活

昨天晚上11點，我在微信發起了一個《生物信息工程師薪資調研》的投票，早上一看，已經有 100 多人參加。生信前景如何？數據知道：生物信息工程師薪資調研

----------

好像只能在微信打開查看，解決辦法：轉發給任意微信好友，在微信中打開

謝邀。

生信跨仨學科：生物、IT、數學。因此就業方向理論上還是蠻廣的，就是說轉行可選範圍大，但是競爭力就全看個人水平了。

就生信本身來說除了去科研院所做研究人員外國內我覺得到公司里去的話這個圈子還是蠻小的，就業和以後跳槽可選餘地都很有限。

I"m thinking future plan is still switch to data analyst/scientist dealing with big data.

如果你是生信科班出身，碩士，參加過二代測序項目，有實戰經驗，英文好，基本這樣的條件，按照國內現在的行情，一堆人搶著要你… 一切的一切都是你自己要有料，能show出你的東西。總而言之，從找工作的角度來講，生信非常好找工作。但是說到長遠的發展的話就說不準了，畢竟生物的工業界還是很看重學歷的，高層大部分是博士學歷。

感謝邀請。

在讀博士。說說我們實驗室的一些就業情況。

碩士畢業基本不繼續做生物信息。轉行去寫程序，做市場之類的工作。

博士畢業的都在繼續做研究。

嘛……還是要相信生信能蓬勃發展的。

生信本身在數學方面和計算機方面都受到訓練，再加上本身的生物背景，研究生期間沒有荒廢的話，就業前景還是很廣的。

非邀自答。

生物信息學這個專業。是的，目前在生物專業中比較火的了，身邊學習這個專業的同學畢業後很多都走向了互聯網和計算機公司，也有去讀生物相關信息專業的研究生了，以目前的市場來看，和CS沾邊的混的都還湊合，所以工資待遇和純做生物的對比，你懂得。

看看這個專業學習的專業課，首先一半是生物，這個題主肯定比我還了解，所以在這裡不做解釋，另一半真真切切學的就是計算機和軟體專業的課程呀，比如JAVA，MySQL，演算法編程。各種前端，後端分分鐘與碼農對接有木有！

那麼這些相對幸運的人的事例說明什麼呢，說明生物的確可以和計算機緊密結合，而且目前這方面的人才缺口還是蠻大的，目前中國大學中開設這個專業的學校的還是少數。所以個人覺得如果題主時間充裕可以在科研同時學習一些計算機軟體相關的知識，一方面可以進一步提升自己就業時的競爭力；另一方面，若是掌握相關技能，用編程計算來完成這方面的研究，也會成為科研的得力助手。

再講一個我比較熟悉的朋友的事例，這位朋友在大一大二時就是按部就班的學習，到了大三專業中的計算機部分專業課開課後，發現自己的興趣是在計算機，然後就在課程的基礎上又通過讀更多書、自己做項目去參加計算機競賽，去公司找實習，在大四下非常輕鬆的簽到的國內某互聯網巨頭，僅僅是本科畢業哦。

但是題主所說的博士畢業的走向我可能就無力作答了，因為朋友們還沒有讀到博士畢業哈哈，覺得題主不必太擔心，生信雖在生物坑中，但是還是生物專業中最好的幾個方向之一了，我身邊本科畢業的朋友的走嚮應該可以給題主吃顆定心丸了吧。放平心態，平常科研中根據興趣多學點計算機數學或者金融建模知識，這些行業就業前景都不錯。

下面引自一個與題主類似問題下我的回答，主要是關於為什麼個人覺得生物信息專業有潛力的一點愚見：

再說說個人對題主所說的雖然說行行出狀元，可是感覺在這一行熬出頭的可能性太小了，不知道以後該何去何從，碩士和本科生的差距越來越小

造成這一現象的原因是什麼，個人覺得首先，中國不缺什麼？人。人多了就不缺勞動力，如果你除了會機械的操作，不管讀到什麼學位，也只不過是多了幾年勞動經歷，那麼很多人可以分分鐘取代你，所以為什麼要高薪聘用。所以作為人最重要的首要是要有獨立思考的能力，有不能被別人隨意取代的獨特性。有人可能問，怎麼生物就機械了，計算機就不機械了，這不是明顯的偏見么，這個我分為三方面討論：

首先，題主問擴展哪個技能，研究哪個交叉學科比較好。
知乎上有大把的偽化生的相關討論，可以了解下，一切不以邏輯推理為基礎只是用窮舉法的科學都不是科學。
個人首先要努力，但是也要符合時代的潮流，目前在機器學習和大數據很熱門的情況下，已經說明了目前按照怎樣的順序去點人類的科技樹發展會更快了。

歡迎大家理性討論，有關計算化學的問題也歡迎大家提問。如果覺得不錯就點個贊關個注哈哈。

歡迎加群「凝聚態物理之家」交流 657791174

生物出身的做生信自己會覺得自己牛掰(錯覺)。可是當一個公司里同時有計算機數學物理和生信的時候就會發現，數學物理的自己做模型推公式，計算機的自己寫演算法做程序包，而生信的跟前兩者相比只能算是"調包俠"。

系統生物學和生物信息學——寫給每個人

原作者：立花克里斯(Chris Tachibana)

原載《科學》業務專欄(AAAS/Science Business Office Feature)

翻譯：@鼠李

系統生物學和生物信息學誠摯邀你入坑。這些需要高度協作的領域渴求各種人才：生物學家、工程師、化學家、數學家和程序員。加州大學聖迭戈分校（USCD）的伯恩哈德· 帕森（Bernhard Palsson）說道：「如果你能夠適應多元團隊里的工作，這將會是一個機會空前的時代。」塔夫茨大學聖伊麗莎白醫學中心癌症系統生物研究所主管，林恩·拉特基（Lynn Hlatky）表示贊同：「對於轉行人士和新研究員而言，這些領域贊助豐厚，並且世界各地都在興建系統生物學研究中心。」

工作機會不一定被捆綁在某個特定的地理位置。項目合作者遠程工作也不甚稀奇。團隊成員可能在千里之外藉助互聯網分析某處產生的濕數據（指實驗室獲得的第一手數據）。「把合適的人們聚集在一起解決問題更重要，而不是他們在哪裡。」拉特基說道。系統生物學家只需要「總觀大局、眼界開闊」。「任何人都可以參與這場遊戲。」

實際上，根據瑞典哥德堡查爾姆斯大學（CTH）系統生物學教授傑斯·尼爾森（Jens Nielsen）的觀點，每個研究人員都應當參與進這場遊戲。「工具、技術和系統生物學進路在研究界和工業界都趨於標準化，」他說道，「要想在未來10到20年獲得一份生命科學的工作，行業肯定會要求你在這些方面擁有競爭力。」

高科技和傳統學術的結合

系統生物學的細分領域清單長到爆炸，囊括從計算機科學前沿到傳統生命科學的方方面面。幸運的是，在這個領域，這場遊戲的內核就是合作。加州大學聖迭戈分校生物工程Galetti教授，伯恩納德·帕森認為，系統生物學包括「對網路、生物系統和線性代數、基因組與遺傳學、基因產物的生物化學以及它們如何整合成細胞內三維結構的理解」。拉特基說道，要想攻克生物體非線性的本質性難題，我們需要「一個全員對傳統生物學和定量科學無不了如指掌的團隊，從細胞生物學到分子生物學到物理學到化學到計算機科學到數學均有所造詣。」

系統生物學甚至需要一些「落伍」行當的專業技能。記得林奈嗎？「分類學的重要性日益凸顯，尤其是它與分子技術融合的部分。」賓州州立大學比較基因組和生物信息中心、生物化學和分子生物學系的史蒂芬·舒斯特（Stephan Schuster）如是說道。「適逢定量和分子工具的興起」，生理學知識大放異彩，拉特基說道，「我們同樣需要能從種群層次考慮問題的科班人才——發育生物學專家、物理學家和生態學家。」

拉特基解釋道：「多學科交叉的系統生物學團隊就像一個多細胞生命體一般，由專門化和分工形成魯棒性（控制論術語，指控制系統在異常和危險情況下維持某些性能的特性）。」成員的多樣性使得團隊可以處理多變數的動態問題。她舉例道：「在癌症生物學領域，我們過去往往認為若干原癌基因、抑癌基因和DNA修復基因驅動著整個過程，但現在我們識別出了癌症中數以千計的遺傳變動。這意味著我們僅僅追著幾個到幾十個不等的遺傳終點（遺傳物質的改變，國際環境誘變物致癌物防護委員會（ICPEMC）1983年提出遺傳學終點有5類：DNA完整性改變（加合物、斷裂、交聯）、DNA重排、DNA鹼基序列的改變、染色體完整性的改變和染色體分離的改變）不可能搞明白它們是怎麼回事。我們需要計算和生物信息學方法去解開癌症之謎的這一子謎。」

像身體的兩個器官一樣，系統分析和生物信息學彼此分立，又彼此依存。「生物信息學從數據中挖掘的知識是系統生物學的基石，從而使得後者可以創立假說、建立模型。」歐洲分子生物學實驗室歐洲生物信息研究所（EMBL-EBI）主管珍妮特·桑頓（Janet Thornton）說道。生物信息學是個成長中的領域，桑頓說，因為「現在幾乎所有實驗都涉及多數據源，需要研究人員有能力處理數據並獲得推論和知識。自15年前，生物信息學方興未艾，如今已成燎原之勢。」

服務與探究領域的生物信息學機遇

生物信息學的生涯選擇可以在應用與服務領域，也可以在基礎研究領域。這兩個領域的工作理念和實踐相去甚遠，提供迥異的機遇，吸引風格不同的人才投入其中。有條理、做長期、大尺度規劃的人擅長服務領域。「這些人需要提供專業服務，所以他們必須開發強大可靠的軟體，有一個清晰的發展流程，」桑頓解釋說，「他們為一個大的用戶社區提供服務，所以他們不能一拍大腿就改變主意。改動需要提前幾個月計劃，在運營的24小時內完成，並且接受來自世界各地的數據。」這個領域尤其需要開發和測試人員。「業界流傳一句話，一月寫好一程序，十月才能變穩定。」桑頓說。生物信息學服務也包括（數據）管理，或者說基因、蛋白質、代謝物和其它生物元件的注釋。對於這點，桑頓又補充道：「注釋者必須遵守明確的流程，每個基因每個蛋白都要一致處理。你不能哪天突然換個流程。服務的宗旨在於可靠、穩定、實用、易用。」

生物信息服務的研究機遇通常在於給資料庫提速和提效率。但服務方的底線是預定發布和數據交換，並且遵循明確定義的標準、實驗方案和截止日期。桑頓同樣承認：「服務生物信息學家必須萬分確定數據沒有被遺漏，這是研究科學家們一直在做的事。」

桑頓說道，生物信息學發現是準備給那些「純粹的研究者們」（不考慮未來實際應用的純理論研究者）的，他們可以想到生物信息技術應用的新渠道，或者開闢研究前進的新潮流。「生物信息研究者需要回答生物問題的好奇心。他們需要寫一個好的軟體，但並不需要做到盡善盡美，這通常並不是首要的目的。對於研究者來說，問出正確的問題更加重要。在我看來，大部分好的生物信息學研究都建立在如何回答一個特定生物學問題的基礎上，但這些問題可能相當龐大——比如說，為什麼分化後所有基因的表達就改變了？」生物信息研究者可以隨他們的想像和興趣天馬行空。「他們可以自由地探索多種生物，這是實驗生物學家通常做不到的。」桑頓說，「對於一個計算生物學家來說，數據是蛋白質的相互作用還是代謝過程並無所謂，方法都是一樣的。這個領域的一大亮點就是你不會把人生耗費在一個微生物或者蛋白質的觀察上，而是靈活貫通、著眼更遠。」

未來的職業生涯充滿的鼓舞人心的可能。賓州州立大學的舒斯特表示：「與基因組一道，生物信息學將產生最為重要的研究：將時間剖型、基因組特徵與化合物、質譜分析和遺傳信息關聯起來。這真的為許多來自不同研究方向的人打開的機會的大門。」但當下此刻，桑頓說：「生物信息學需要由生物問題驅動、希望從計算路線解答問題的人。」

生物工程師、企業家和學者的機遇

在查爾姆斯基大學的尼爾森看來，系統生物學需要綜合性研究人員。他建議他的學生和博士後儘可能多地接觸實驗，「從工程到統計分析到分子檢驗」，並把它作為項目的一部分（真變態）。USCD的帕森贊同道：「最好的訓練可能是班級合作進行定量研究，同時在一個實驗室親自上手做實驗，這樣的環境可以予人對生物學總領性的深度理解。」

對於那些技能滿身的科學家，尼爾森說道：「考慮到現在世道不佳，他們現在在工業界的職業前景相當之好。」他的許多學生在工業界接受過應用項目的職業培訓，處理一些為商品化工公司改良真菌品系之類的問題。尼爾森認為，藥物開發公司、製藥公司和商品製造公司已經「投資給了系統生物學技術，所以現在他們需要人來使用它」。這個需求尤其利好於「能分析數據，跟隨定量潮流推動生物學、從不同方面整合信息的人才」。

帕森已經參與進了數家新興小企業，掌握著28項美國專利。他認為現在系統生物學企業的需求在於「通過生物過程和代謝工程製造商品和好的化工產品、生物聚合物」。帕森和舒斯特都把可再生能源和生物燃料視為挑戰不斷但潛力十足的成長領域。「我們已經見證了可持續能源領域的盈利，而他們需要環境和生物多樣性領域廣泛的系統生物學研究信息。」舒斯特說。EMBL-EBI的桑頓同樣看到了生物信息學家們的商業機遇，「製藥巨頭內部的生物信息資源正在被放棄，」她解釋道，「數據太多了，他們解決不了存儲問題，並且找不到足夠的運營人員。中小型企業可以開發軟體方案來有效處理這些數據，這可能成為這些企業的機遇。」

隨著系統分析師和生物信息學家需求的增長，學者和教育者也不會被落下。「在十到二十年之內，系統生物學將會成為整合生物學教育的一部分，所以這些領域的教職需求將會在未來暴漲。」尼爾森說。「大學同樣需要生物信息學家，」桑頓說，「每個生物研究部門都需要計算專家。」

系統生物學和生物信息學時代的醫藥

另一個蓬勃的領域是系統生物學醫藥。如今的臨床應用受到層層限制，但行業領頭人相信衛生保健和醫藥研究即將面臨激烈變革。塔夫茨大學的拉特基預言道，隨著發展，生理網路分析過程、多層次的數據整合和生物變化監控會起到主要作用。未來的生理學家們，請記住，「我們會更多地把注意力放到整體層面上，並識別不同醫學學科之間的聯繫，比如癌症學和心臟病學，」她說道，「醫學正在趨近於它該成為的樣子——一種個人定製的綜合性治療。」拉特基認為，幹細胞生物學是另一個有很大可能實現系統生物學進路的領域，這是因為細胞高度的複雜性以及它們廣泛的作用效應，從神經疾病到慢性癥候、再到再生醫學。

系統生物學醫藥也會在生物信息學領域創造工作崗位。桑頓說：「在未來，我們需要中介資料庫和臨床試驗的人才，需要能處理此類所有計算工作的人才。那些數據會被用於許多不同用途，從識別和測量相互作用到決策專註方向，不一而足。我們需要開發能處理那些數據（包括變異體數據）的計算工具。」

從一個更個性化的角度，李·胡德（Lee Hood），西雅圖系統生物學研究所創始人，在最近的談話中提出了他關於未來診斷的構想。他描繪了「一種年度的健康評估，通過指尖血採集可以分析2500個蛋白質生物標記物（一類與細胞生長代謝增殖密切相關、可用作標記的生源化合物），可以產生一份逐器官描述的個人健康狀況報告。」隨著時間積累的個人數據點能夠用來實現一點全人群的縱向研究，並且「每個病人都可以掌握他們自己」。為了實現這個藍圖，科學家需要推進納米科技和成像技術，並創造新的計算工具。對那些青睞商業導向職業的人，胡德預言了「一次重點從疾病到健康的遷移，以及與之相伴隨的一場衛生保健公司的爆發」。

賓州州立的舒斯特對於系統生物學家和生物信息學家如何推動人類健康福利有著不一樣的視角。「環境改變會影響植物區系、動物區系和微環境，並可能有地質方面的影響。這可能會改變病原體的格局，而病原體的改變會影響人類人口和食物供應。這將會人類健康和社會穩定性的隱患。」意識到環境變化對健康以及社會的影響日益凸顯，給系統生物學家提供研究機會，「我相信環境項目的周期撥款不斷攀升」。（不知道川普砍基研經費有沒有戳破……）

縱觀大局

要想找到系統生物學和生物信息學其它的擴張領域，你不必走的太遠。對於互作組——或者說細胞組成分子與它們的鄰居相互作用的總和——的分析，「已經在領域內發揚光大了」。查爾姆斯理工大學的尼爾森說：「這將尤具挑戰性，因為這不是一個靜態不變的東西。蛋白質A可能與蛋白質B協同，但它們之間的相互作用取決於我們如何設置實驗。」

塔夫茨的拉特基補充道：「我們需要發掘分子、細胞和組織間多尺度、動態的相互作用，並把它們編織成一個定量結構。」EMBL-EBI的桑頓也認為不同層次間信息的整合是下一階段的任務，尤其是處理、存儲和解釋影像數據。「我們正在發展細胞水平、器官水平乃至全生物體水平的先進影像工具。」這些方法得是自動的，並且產生的數據需要被處理、整合和分析。桑頓說：「機會已經顯現——從不同層次理解生物學，橋接分子、細胞、組織和全生物體的信息，以及如此得以可能的全方位統籌——簡要地說，就是在全水平上解釋全基因組。」

這個領域需要與全水平數據工作相合的研究者，以及能夠統一理論的傑出思想者。拉特基說，下一步的目標在於找到系統數據的中心原理，也就是能允許研究者「解釋和預言」的若干模型。在任何情況下，我們都離不開系統生物學和生物信息學的力量。對於尼爾森所述未來系統學方法和生物信息學將會成為標準工作的評論，拉特基回應道：「我們現在就已經是這麼做的了。」

主要參與機構

查爾姆斯理工大學（Chalmers University of Technology, CTH）

www.chalmers.se/en

歐洲分子生物學實驗室歐洲生物信息研究所（European

Molecualr Bioglogy Laboratory, European Bioinformatics Institude；EMBL-EBI）

www.ebi.ac.uk

系統生物學研究所（Institude for Systems Biology）

www.systembiology.com

賓夕法尼亞州立大學（Penn State University）

www.psu.edu

塔夫茨大學（Tufts University）

www.tufts.edu

加州大學（University of California）

www.universityofcalifornia.edu

作者立花克里斯是居於美國西雅圖和丹麥哥本哈根的科學作家。

吐槽：雖然本文是採訪文章，但還是忍不住吐槽，頭銜太TM長了，引用太TM多了。

去葯企做Bioinformatics Scientist.

想知道如何去？

聯繫我~

從實力上將諾禾還是國內數一數二的！

學生物哦？除了生信分析以外？你確定能拿到高工資？

生物信息學本身是一個比較窄的領域，但又是一個高度融合的領域（包括了對於信息技術的了解和掌握、對於生物學知識的了解和掌握），但是從目前的實踐來看，單純靠生物信息學的手段拿到過硬的科研結果或者實用結果還是比較困難的。因此學好生物信息學，就一定要和一定的應用領域結合起來。

例如基因測序領域現在非常熱，但是大家要知道的是，測序的目的是什麼，一個重要的領域就是遺傳病診斷，那麼用生物信息學的技術直接做遺傳病診斷就夠了嗎？遠遠不夠，還需要了解ACMG的標準，了解醫學上的外顯率等醫學遺傳學的知識。

除了個別從事生物信息學領域的大牛，例如寫了BLAST、BWA比對演算法等以外，其餘的同道還是要找到應用領域繼續深入才好。