※ 引述《NoMoneyHere (NoMoneyHere)》之铭言： : ※ 引述《coyot (coyot+e)》之铭言： : : 其实还是有差的 差异在於当初题出者领域不同 所以会偏某方面 : : 例如Bioinformatics会有大多数是在研究资料库内的东西 : : 而Computational Biology 会有多数是在做电脑补助设计与模拟 : : 不过 等时间一久 各方向研究的人多了 学术本来就无界限的^^ : 走Bioinformatics的人，也会要用到你所谓的电脑补助设计与模拟 : 这时候他就变成了Computational Biology了吗？ : 走Computational Biology的人，也 会要用到你所谓的研究资料库内的东西 : 这时候他就变成了Bioinformatics了吗？ : 这些词本来就是指一样的东西 : 只不过是因为不同领域的人的本位主义所造成不同的说法 : : 这就是产界现实面了 研究汽车如何更安静更安全更省油能增加产值 : : 但研究blast的产值在几年後铁定没有电脑补助设计高 : : 你看近几年开始红的药物补助设计 就已经可看到端倪了 : : 要是没这方向 生物资讯仍一直被欧美视为发展不起来的领域 : 生物资讯的领域那麽大 : 被欧美视为发展不起来的领域是谁说的啊 : 是说生物资讯里面的某一小块发展不起来 : 还是只生物资讯一整大块都发展不起来？ : 用词要谨慎一点吧 : : 在google可查到一堆生物资讯的发展情况 : 在上面可以查到的资料几乎都落後半年以上 : : 并不是改良blast 或 发展新的演算法不需要再去研究 : : 当然每个领域都有价值 但这就要到生物版或生技版讲了 : : 因为这边是生技产业版 讲的是产业 而非纯学术 : : 一间生技公司是要利用现成被认同的网页或软体来分析protein structure : : 还是要聘个专精於演算法研发的PhD 来研发新的分析工具? : 当然是前者 : : 台湾的生技公司又不是像台积电 鸿海...等 大资本大规模 : : 然而聘电脑补助药物设计的PhD是可以大大节省试验成本的 : : 应该也是未来各药厂的趋势 : 辅助药物设计跟研究演算法的人差太多了吧 : 你翻翻生物资讯相关的论文 : 里面用的都是人家研究演算法的人的演算法 : 他们把那些也许是十几二十年前发展出来的演算法套用在自己的系统里 : 看起来这种人就是你所谓的研究演算法的人了吧 : 研究法展演算法和评估套用别人的演算法是两码子事 其实我觉得生物资讯最大的问题..且不能被生物界所接受 就是在於所谓的false positive and false negative问题 很多单位发展出新的改良式演算法(ex:Wu-blast, HMMer, GLIMMER)等 加上学术界的热门研究..不断的修正演算法.. 这些演算法可以大量的跑出宏观的结果..例如预测结果或预测方向 但是接下来下一步还是得回到实验面...去验证演算法跑出来的结果 所以因为最後还是得回到实验面去作验证..那麽多了这一步是不是真的有那麽必要?? 美国有作这方面的统计...发现其实生资帮助药物设计跟生化研究是很少的 大多生物学家很难去相信用电脑跑一跑出来的结果... 因为光一个gene或protein structure就得研究几十年.. 人家何必去相信你短时间发展出来的方法呢... 更何况现在生资演算法最重要就是卡在验证... 大家都再做预测...如何作验证...没有妥当的验证.就没有说服力.. 所以大家只能研究资料库..辅助工具等.. 我想这就是生资界目前学术转移到产业最大的瓶颈吧.. 生资已经快被生技吃掉了..他已经不算是独立的一环了.. --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.58.52.227