作者ljii (是否)
看板AfterPhD
標題Re: [新聞] 抗老化權威林育誼為何輕生?
時間Fri Aug 17 01:56:26 2012
※ 引述《SmileFace (明天好天氣)》之銘言:
: 在醫院,有一種生物叫做clinician scientist
恕刪
: clinician scientist,從一開始就決定了往後的孤獨...
: ====================
: 以上只是個人感觸分享
: 請勿對號入座
這其實還好啦,沒那麼嚴重
也許您看到的例子讓你作出這樣的結論
我看到的則讓我有相反的結論
我認為clinician scientist吃不吃的開跟環境有關
就是如果這個環境"很需要"你的研究能力
你會如魚得水
以我以前待的醫院為例
A醫師,醫學中心內科某次專的主治醫師
他住院床數5床,但這不算特別少,因為該科的內規就是vs 五到十床
每天查房看病人5床加起來5-10分鐘就結束
也因為在醫學中心,所以實際臨床處置都由CR和R執行
病人常覺得vs不親切,常找不到人,但因為CR會幫忙看病人所以病人不會出什麼大事
有次他被病人投訴,主任去找他,他老兄大大方方說,
"這是病人的問題,不是我的問題."連解釋也不解釋
主任也摸摸鼻子不能怎麼樣,因為他這幾年來一年至少發表5-6篇約3-4分的paper
科內大家搶著分他的光環
個人近距離觀察他在臨床:研究的比重約為10%:90%
B醫師,同樣是醫學中心的次專主治醫師
在台灣念PhD時發了一篇nature xxxx 子刊
之後穩定經營自己的lab,去年再發了一篇nature xxxx (相隔約4-5年)
這中間大約維持1-2年發一篇oncogene,每年1-2篇小paper的速度
以上是指由他的lab產出的基礎paper
其他探討臨床治療等的paper就更多 (臨床paper發表速度本來就比基礎快)
他的作息大概是: 早上7:00查房,7:30晨會,8:00繼續查,9:00進實驗室,
跟學生討論啊寫paper等等,下午4:00再回去查一圈房
個人觀察他的臨床:研究比重約 30:70
C醫師,區域醫院主治醫師
在台灣念PhD,作的是transcription factor in cancer biology
之後重心放在臨床,但還是經營一個lab,
以作cancer patient genotyping/SNP/GWAS為主 (也就是不去碰cloning/cell model)
所以他的paper流程是: 找一個有可能的SNP-->拿大量patient sample去screen
-->SNP correlate with survival/treatment response-->validate in tissue IHC
在衝刺副教授升等那幾年,他一年平均3-4篇paper,impact factor都是3-4上下,
paper清一色都是SNP correlate with xxxx.
這種lab經營起來難度沒那麼高,基本上就是一直作PCR, IHC,就可以了
而他現在教授也拿到了,還當上某區域醫院(大學附設醫院)副院長.
這也算是clinician scientist啊
個人觀察他的臨床:研究比重: 20%:80%
以上的例子我還可以再舉3-4個,有一位在作某個病的angiogenesis,在yale作了幾年的
postdoc,回國後就有一個很成熟的angiogenesis mouse model in cirrhosis,她的臨床比
重大概也是20-30%,其他重心在lab
我是覺得clinician scientist孤獨與否是在有沒好環境,好長官,我覺得林醫師就是因為
太優秀,所以其他人都搶著要利用他的資源,這樣的環境確實讓人很不開心.
不知道這是不是台大醫院/醫學院的生態....
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 137.131.236.158
1F:推 oplz:我覺得 GWAS 的 paper 大概有 90% 以上都是垃圾... 08/17 08:05
2F:推 mzac1b:GWAS是啥? 08/17 08:40
3F:推 williamyang:Genome Wide Association Study 08/17 08:41
4F:推 yaohwei:當然是垃圾 allele或genotype基本上人生下來就不太會變了 08/17 09:24
5F:→ ljii:很難講,找到關鍵的SNP去correlate疾病預後其實在臨床上是有意 08/17 10:07
6F:→ ljii:義的,現在的問題是GWAS的study的false postive結論太多 08/17 10:07
7F:→ ljii:所以上述兩位的推文我不反對,但應該修正成"GWAS的study多半 08/17 10:08
8F:→ ljii:都是大量的垃圾偶而混雜著一點寶物" 08/17 10:08
9F:→ ljii:典型的例子就是日前上新聞的中研院陳垣崇院士,找到華人對 08/17 10:13
10F:→ ljii:抗癲癇藥的過敏(有致死危機)的SNP,這現在已經在臨床上會拿來 08/17 10:13
11F:→ ljii:screening了 (原作: YT Chen, Nature 2004) 08/17 10:14
12F:→ mzac1b:research本質不就是一再重複地在垃圾堆中找寶物嗎? 08/17 10:29
13F:推 puec2:補充一樓,而且很花錢。 08/17 11:04
14F:推 lovenainai:90%太保守了吧 XD 08/17 12:45
15F:推 jabari:GWAS不是垃圾..但是要找到重點SNP或loci是挺碰運氣的 08/17 13:28
16F:→ jabari:而且跟比較方式為common/rare disease common/rare variant 08/17 13:30
17F:→ jabari:的scientific strategy有關.不過現在NGS抬頭,如果重覆過去 08/17 13:32
18F:→ jabari:的結果, 那應該還是有參考價值. 台灣GWAS的缺點在樣本過少 08/17 13:33
19F:→ puec2:NGS一直發展下去,SNP的研究就要變成第二個microarray.. 08/17 13:45
20F:推 SmileFace:我本人就是clinician scientist.. 我只能說你看到的是 08/17 14:13
21F:→ SmileFace:表象..實際上很難不被凹 (不然醫院花錢請你來幹嘛?) 臨 08/17 14:15
22F:→ SmileFace:床空間被壓縮也是必然, 您舉的例子有兩種可能, 一種是本 08/17 14:16
23F:→ SmileFace:來就沒把主要心思在臨床上, 另一種是被壓到後來不得已才 08/17 14:17
24F:→ SmileFace:坦然接受..圈子裡面的人是以後者居多 08/17 14:18
25F:→ puec2:但是clinician scientist有paper也比較容易升官吧? 08/17 16:32
26F:推 qtzbbztq:想做GWAS...沒有足夠的資本還沒機會咧..能有做這種"垃圾" 08/17 16:35
27F:→ qtzbbztq:的能力也挺令人羨慕的 每次都要燒掉不少的錢 08/17 16:36
28F:→ puec2:可以想見10年後,每個人出生15分鐘內就可以有whole genome 08/17 16:38
29F:→ puec2:sequence的建檔。到時候找SNP這個領域就真的消失了。:) 08/17 16:39
30F:推 lingon:找SNP這領域並不會因為WGS便宜而消失,反而會更多人做... 08/17 22:08
31F:→ lingon:SNP-disease最大的問題就在於這關係是combinatorial而非 08/17 22:09
32F:→ lingon:1SNP to 1 disease, 2SNP to 1 disease. 只是這會是生資人 08/17 22:11
33F:→ lingon:的問題,不是clinical scientist收收sample,跑跑sequencing 08/17 22:11
34F:→ lingon:就能解決的 光是現在大多clinical based的人只能抱硬碟哭 08/17 22:12
35F:→ blence:樓上說的真是,空有data卻沒有BioIT人才專門處理 08/17 22:19
36F:→ blence:有錢跑NGS了,會分析的人才主要還在國外 08/17 22:23
37F:→ puec2:恩,我的意思是現在那些定序找SNP人會消失..取而代之的就是 08/17 22:32
38F:→ puec2:你們說的做生物資訊的人。 08/17 22:32
39F:→ puec2:但是哪些人有哪些疾病,還是要醫師才能進行呦。>_^ 08/17 22:34
40F:→ puec2:BioIT的角色變得比較像是在開發工具,就像早期的 08/17 22:34
41F:→ puec2:Phred Phrap出來,加速了定序工作的進行一樣。 08/17 22:35
42F:推 lingon:在醫學中心做研究就會發現MD訓練很多對於SNP概念是一知半解 08/17 23:11
43F:→ lingon:醫師到最後就是當窗口,真正定義SNP/疾病關係的是研究人員 08/17 23:12
44F:→ lingon:而且還不會是單一研究人員,這必須要是研究團隊. 醫師本身 08/17 23:13
45F:→ lingon:只是運用.制於把BioIT/Bioinfo當成開發工具是非常膚淺 08/17 23:16
46F:→ lingon:的想法. 量化分析量化研究與演算能力比生醫知識難訓練多了 08/17 23:17
47F:→ lingon:對於任何omics研究,沒有好的量化分析出來的結果大多是垃圾 08/17 23:19
48F:→ lingon:說句重話,大多數時間把錢給clinician做NGS跟丟到垃圾桶 08/17 23:23
49F:→ lingon:並沒有差很多, 如果沒有足夠的合作團隊一起研究的話 08/17 23:24
50F:→ puec2:可是沒有醫師你連sample可能都沒有。這是現實問題。 08/17 23:32
51F:→ puec2:就像做Cancer的也是要追著醫師拿病人檢體作切片染色一樣.. 08/17 23:33
52F:推 lingon:那是政治,policy 和 錢的問題, 不是研究能力問題. 08/17 23:35
53F:推 jabari:同意..NGS這怪物還是有完整團隊才有實質效益.. Orz 08/18 00:32
54F:→ puec2:當然是研究能力阿。BioIT分得出癌細胞跟一般細胞嗎? 08/18 00:49
55F:→ puec2:然後醫師坐在診間sample就會自己走進來跟他說:我是sample 08/18 00:50
56F:→ puec2:BioIT的人要去哪找sample?XD 08/18 00:50
57F:推 lingon:跟你討論有點鬼打牆, 對於領域現況根本是一知半解 08/18 01:04
58F:推 abyssa1:研究本來就大多數是垃圾 不過當中有一點寶就值得了 08/18 02:21
59F:→ blence:peuc2為什麼NGS很普遍之後找SNP會消失?做SNP不全是找這件事 08/18 03:06
60F:→ blence:阿,不但只是生資接手,而是生統有做不完association study阿 08/18 03:09
61F:→ blence:不該把NGS到WGAS簡化了,這是需要整合團隊而不是分拆再拼裝 08/18 03:11
62F:→ blence:像我們很缺NGS分析,但有國外NGS取得的SNP就可以WGAS用很久 08/18 03:16
63F:推 puec2:我只能說,你們現在講的,我十年前在microarray剛冒出頭 08/18 04:43
64F:→ puec2:的時候,聽過幾乎一模一樣的話...演算法啦,分析啦,etc 08/18 04:43
65F:→ puec2:說資工的要投入啦~一堆。 08/18 04:44
66F:→ puec2:結果最後還不是要靠人力去圈signal(早期) 然後靠套裝軟體 08/18 04:45
67F:→ puec2:現在是直接拿RNA給外面公司做了。RNA quality弄好一點還筆 08/18 04:45
68F:→ puec2:較重要。不是看不起生資的人,這個領域就是這樣啊。 08/18 04:46
69F:→ puec2:那時後上課還要學microarray的資料要用什麼演算法分析... 08/18 04:47
70F:→ puec2:當然資工的可以弄出新的演算法什麼的。但是站在wet lab 08/18 04:50
71F:→ puec2:的角度。或者站在醫師的角度,只想要把一群病人的genome 08/18 04:51
72F:→ puec2:調出來,然後告訴我哪些序列是重要的就好了~ 08/18 04:51
73F:→ momo1210:術業有專攻 沒做過dry lab的人 很難去想像dry lab會遇到 08/18 05:00
74F:→ momo1210:的問題 所以事情沒你想的那麼簡單 microarray, SNP, NGS 08/18 05:01
75F:→ momo1210:甚至是RNA seq,每種data都不太一樣,各自的challenge也不 08/18 05:02
76F:→ momo1210:同,不是用三兩句話就能概括所有東西或做出簡單的定論 08/18 05:03
77F:→ momo1210:我相信wet lab一定也有各式各樣的問題 光最基本的PCR就有 08/18 05:04
78F:→ momo1210:很多trivial技術上的技巧 所以說做研究就是把各個不同專 08/18 05:05
79F:→ momo1210:業的人結合在一起 才能達到雙贏局面 不要輕易否定哪一方 08/18 05:06
80F:推 jabari:演算法那麼easy.. RNAseq就不會還是死氣沉沉 囧a 另外疾病 08/18 05:29
81F:→ jabari:很多情況都是多基因. 有的只是phenotype像. 事實是假貨 08/18 05:29
82F:→ jabari:NGS光是MiSeq 這150bp/read就已經很有幫助了.可是對某些SNP 08/18 05:30
83F:→ jabari:或是splicing mutant的疾病,還是很難去分析研究. 說真的 08/18 05:31
84F:→ jabari:光是mRNA microarray給的資料.3重覆之後,ABS總會如人所願嗎 08/18 05:32
85F:→ jabari:各自人種間要分析已經不錯了@_@ 像我現在對回mouse model.. 08/18 05:34
86F:→ jabari:才知道這還有很大一段要走啊@@" btw.有學校開生資學分班?? 08/18 05:37
87F:推 lingon:用microarray的研究者一堆連multiple comparison 都不懂 08/18 11:54
88F:→ lingon:當然什麼東西都做不出來, 根本不懂科技不會分析的人亂用 08/18 11:55
89F:→ lingon:而且光是哪些序列重要就是很大的學問,很難相信此論 08/18 11:59
90F:→ lingon:出自一個做研究的人口中 08/18 12:03
91F:推 puec2:dry lab的人想的就是用演算法找出最佳解 但在wet lab的眼中 08/18 13:29
92F:推 puec2:沒經過reverse genetics 和animal model驗證 找出mechanism 08/18 13:33
93F:→ puec2:都是不可信的 因為這些工作量很龐大 我們不在乎差異1 2倍的 08/18 13:35
94F:→ puec2:變化 我們只會找差異最明顯的一兩個出來作實驗.. 08/18 13:36
95F:推 puec2:真的重要的gene or snp 一個就送你上cell 08/18 13:41
96F:→ puec2:100 potential hits, 還是只能去plos one... 08/18 13:42
97F:推 puec2:回momo 你說得對 但是PCR只是一個工具 不是一個很大的領域 08/18 13:48
98F:→ puec2:早其作環境微生物的人 可能對改進PCR技術還有興趣 但現代hig 08/18 13:51
99F:→ puec2:h throughput single cell pcr 出現以後 08/18 13:51
100F:推 puec2:研究pcr的人就會越來越少囉 08/18 13:54
101F:推 DouglasT:p大有理 做wet lab 常只會和一條大魚盯孤支而已 08/18 14:31
102F:→ blence:懷疑p兄沒碰過GWAS,不然就不會舉cell當例子,GWAS霸佔nature 08/18 18:58
103F:→ blence:genetics一半以上,顯然不是你用wet/dry lab這樣的二分觀點 08/18 19:00
104F:→ blence:GWAS的研究源自生統,怎麼樣不會有外面公司做這種paper發表 08/18 19:19
105F:→ puec2:microarry, RNAi, 更早期的est library也霸佔過nature阿.. 08/18 19:29
106F:→ puec2:doi:10.1038/ng0710-558 08/18 19:43
107F:→ puec2:最後一段 08/18 19:44
108F:推 jabari:回PCR該段.LAMP是PCR的新章.這對田間調查的便利性突破天際 08/18 22:40
109F:→ jabari:dUTP的出現也提高PCR的敏感性.光是如何好好作PCR就有學問在 08/18 22:41
110F:→ jabari:怎麼P大還是覺得PCR只是小朋友的香菇泡湯遊戲呢?? 08/18 22:41
111F:→ jabari:希望眼界跟實力不要僅止於此.生科領域是很廣大的 啾咪~* 08/18 22:43
112F:→ ljii:什麼是香菇泡湯? 08/18 23:41
113F:→ ljii:另外我也同意近來nat genetics根本就被GWAS淹沒 08/18 23:42
114F:→ ljii:常常看標題覺得很有趣但讀了只是更困惑,因為通常就是我們用 08/18 23:42
115F:→ ljii:了blah blah blah方法找出跟這個gene interaction的有300 08/18 23:43
116F:→ ljii:個最相關的gene,然後又blah blah blah validate得到了 08/18 23:43
117F:→ ljii:200個gene,其中我們稍為探討一下其中最有趣的一兩個gene .. 08/18 23:44
118F:→ ljii:然後文章就沒了@___@ 08/18 23:44
119F:推 jabari:去年參加了nat genetics的研討會. GWAS最煩的是.作完後很難 08/18 23:58
120F:→ jabari:validate-_-"換到mouse model.又沒辦法搞出病來(genetic咩) 08/19 00:00
121F:→ jabari:疾病的討論. 我想大概還是寄託在RNAseq吧@@.不過更難 XD 08/19 00:01
122F:→ jabari:香菇泡湯是亂講的, 就eppi放水浴槽.三溫暖一下就有產物了 08/19 00:05
123F:→ jabari:題外話T_T eQTL應該也有潛力.. 可是好難推呀 XD 08/19 00:07
124F:推 momo1210:推jabari~Please be open-minded and respect every 08/19 03:40
125F:→ momo1210:scientific field!BTW,eQTL主要的問題還是microarray雜訊 08/19 03:42
126F:→ momo1210:太多,所以最上游wet lab的實驗還是很重要的 羊毛出在羊 08/19 03:43
127F:→ momo1210:身上 如果收到的DATA不好 其實下游的電腦分析者也很難做 08/19 03:44
128F:→ momo1210:出好結果(統計老師常說:garbage in, garbage out XD) 08/19 03:47
129F:→ momo1210:一開始的實驗設計 準備sample 其實是非常關鍵的一環... 08/19 03:48