自新冠爆发以来，生物信息学的分析在整个病毒研究中发挥了重要的作用。从最初的系统发育树证明Covid-19与SARS病毒的亲缘关系，到最近的“基因组+生物地理学”分析，都体现了生物信息学在疾病控制和个性诊疗中的强大应用能力。

今天的文章，何老师来与大家具体聊聊生物信息科学与最近大热的数据科学都是什么？有什么区别？生物信息学家可以转换为数据科学家吗？在这个过程中有什么挑战，数据科学家需要哪些技能呢？

那么到底什么是生物信息学（Bioinformatics）？生物信息学综合了数学、计算机科学和生物学的各类工具，通过处理生物带来的数据获得我们想要的信息从而进行预测。比如，在已知的序列里，用计算机找到它在哪个物种的哪个染色体上的哪个位置？或者是已知了特定序列，在另一些序列里预测组成成分。现在正处基因数据的爆炸时期，尤其是二次测序能产生无限多数据。

生物信息学和传统的生物学不同，包含了NGS和基因组学。只有真正了解数据的来源，才能更好地分析和处理，挖掘出背后隐含的生物知识，那么如果你想进入生物信息领域，你需要的基本知识点有哪些呢？

  • 了解基因组、转录组、蛋白组、染色体、基因、表现遗传、变异类型等一些列生物原理

  • 明白NGS技术、测序仪、NDA检测的基本方法

那么除了基本的生物信息以外，因为生物信息学是重在数据的，所以在这个领域中同等重要的是数学和计算机，主要是编程能力和算法设计能力。那么这就涉及到了，生物信息学专业的学生，究竟要掌握哪些技术技能点呢？

除了基本的生物基础理论，生物信息学家需要具备以下技术点。当然大家不需要在以下每个方面都是专家，但至少应该了解，并在某些方面有一些实践的经历：

那么说完了生物信息学，近年来大热的岗位数据科学家们，应该需要哪些核心技能呢（只列举核心的必备技能包）：

其实要成为数据科学家也不是一件容易的事情，因为不仅要掌握上述技能，还要能熟练的应用。

简单来说，不是任何生物信息学家都能成为数据科学家的，因为需要额外的学习数据分析的新技术和软件，但如果学生选择申请博士/博士后，增强了数据处理这方面技能的积累，这两个的界限会比较模糊。

但两者在工作的领域肯定是有很大不同的，数据科学家一般是在工商业界比较活跃的，通过分析数据来给客户产出新的产品思路，或者预测新的发展趋势。而生物信息学家则更关心的是如何利用生物学的数据，来发掘基因、病理等生物学新领域。

此外数据科学家很注重团队的合作，与和客户的互动沟通，而生物信息学家很多时候是独立思考和实践，较少的机会会进行公共演讲或合作沟通。

总而言之，这两个领域所需的技能是相似的，并且生物信息学家在掌握了一定技能后是可以在数据科学家的角色中进行转换的，但需要调整自己的思维来配合不同的行业。

为了让学生更多的掌握专业实践经验，提升个人专业背景及专业应用。现推出生物医学智能信息科研项目，项目由匹兹堡大学医学院-生物医学信息和智能系统教授亲自指导，获匹兹堡大学医学院附属医院UPMC300万美金资助，项目致力于癌症的个性化诊疗研究。

学生将从而对癌症患者进行精准医疗，包括推测药物敏感和免疫治疗伴随诊断等。

学员们将了解AI和机器学习在生物医疗前沿的应用，了解肿瘤的致病基因，掌握各类癌症基因组等数据库的资源和使用方法。学习运用R语言进行数据处理，通过阶段性分组建模和系统分析，利用机器学习与数据挖掘技术为载体，在众多肿瘤的数据中找到模式和规律，建议个体化的临床诊疗路径等。

学习如何通过人工智能的方法实现精准医疗掌握R和Python编程，以及数据可视化工具。

想学好生物信息学从以上所需技能来看肯定是不太容易的，毕竟门槛高，但这也就解释了为什么还是有很多人前仆后继的在这个领域深耕，因为门槛高，学会了相关技能，你的可替代性就低，那你在职场的身价自然就提高了。所以，想拥有一份10w+美金的工作，现在就立马行动起来，积累自己的专业核心技能吧！