生物信息行業應該具備哪些基礎素養？重點應該放在計算機方面還是生物方面或者說其他？
幾年前在博客上寫過一個對生物信息學家介紹的讀後感，可以大體說說我對這個問題的看法。拋磚引玉：
從文中對生物信息學的貢獻方式上，我這裡試著把他們的貢獻分為三種方式：理論生物信息學家，應用生物信息學家，整合生物信息學家。
理論生物信息學家的工作，如Karp、Shamir，他們往往是其它領域中著名科學家，把其他學科科學中成熟或新發展的方法引入生物信息學，解決生物問題，其研究範式多是「有解答後尋找生物問題。」，由於演算法和其它數理方法的一般性和通用性，如果「理解要解決的生物問題」，往往能使生物信息學方法學有突破進展。
應用生物信息學家的工作，如Doolittle，他們往往是生物學方面的專家，只是從數理、信息學領域中成熟的方法引入生物信息學研究，其研究範式是「生物問題尋找答案」，也就是大家常說的「干實驗」。特別在現代，生物信息學資料庫、軟體和網站幫助生物學家通過生物信息學的方法解決他們的問題，這樣的生物信息學家在廣大的生物實驗室中有很大的需求。
整合生物信息學家的工作，如Haussler，他們把其他領域的方法和生物領域的問題整合起來，編製軟體、資料庫和網站為生物學家提供數據挖掘的數據源和平台，諸如Haussler「里程碑式的成功」的人類基因組瀏覽系統。現在是生物信息學的軟體、資料庫和伺服器大量湧現的時代，在軟體整合和數據分析相結合的工作，更是現在許多生物信息學研究中所必須要做的事情。
當然上面的分類是非常粗粒度的，真正的生物信息研究多包括了理論探索，方法、數據和軟體整合，應用於生物學實例，並最終由生物實驗進行驗證，如Miller在序列聯配中用生物信息學推動生物發現的工作。特別要說是，在生物信息學相對成熟的今天，如果沒有實驗的驗證工作，在當前的生物信息研究中很難發表很好的文章。
原文鏈接：科學網—介紹國外幾位生物信息學家(10)~~譯後感
我自己覺得生物信息學對計算機的要求其實不算很高，只要能實現你想要乾的事情就行了。更關鍵的還是在解決生物學問題上。
生物信息是一個很大的領域，不同領域側重面不同，
最常見的是應用生物信息，就是從具體的生物問題出發，採用一系列軟體、資料庫，從宏觀上理解生物學（比如各種組學），這一塊的最重要的當然是生物，計算機方面會一個腳本語言再加個統計語言就可以了，一般是perl/python和R。
其他領域如生物信息軟體/網站開發的，自然是計算機編程最重要；建模與統計基因組等大數據的，自然是數學和統計最重要；還有專門研究演算法的，雖然也是計算機，但更側重演算法設計，理論性更強，很多做這行的小夥伴入行時甚至連DNA是啥都不知道
推薦閱讀：
※生物專業如何從零信息學基礎開始自學生物信息學？
※本人是學生物的，涉及到生物信息，主要是基因組，轉錄組分析，請問該如何去有效的去學習python呢？
※Spark 對於生物大數據分析來講有什麼缺點和不足?
※生物信息學商業應用可能在10年內實現么？
※mRNA-seq技術能篩除掉Pol II 轉錄的其他非編碼RNA嗎？