※ 引述《NoMoneyHere (NoMoneyHere)》之銘言： : ※ 引述《coyot (coyot+e)》之銘言： : : 其實還是有差的 差異在於當初題出者領域不同 所以會偏某方面 : : 例如Bioinformatics會有大多數是在研究資料庫內的東西 : : 而Computational Biology 會有多數是在做電腦補助設計與模擬 : : 不過 等時間一久 各方向研究的人多了 學術本來就無界限的^^ : 走Bioinformatics的人，也會要用到你所謂的電腦補助設計與模擬 : 這時候他就變成了Computational Biology了嗎？ : 走Computational Biology的人，也 會要用到你所謂的研究資料庫內的東西 : 這時候他就變成了Bioinformatics了嗎？ : 這些詞本來就是指一樣的東西 : 只不過是因為不同領域的人的本位主義所造成不同的說法 : : 這就是產界現實面了 研究汽車如何更安靜更安全更省油能增加產值 : : 但研究blast的產值在幾年後鐵定沒有電腦補助設計高 : : 你看近幾年開始紅的藥物補助設計 就已經可看到端倪了 : : 要是沒這方向 生物資訊仍一直被歐美視為發展不起來的領域 : 生物資訊的領域那麼大 : 被歐美視為發展不起來的領域是誰說的啊 : 是說生物資訊裡面的某一小塊發展不起來 : 還是只生物資訊一整大塊都發展不起來？ : 用詞要謹慎一點吧 : : 在google可查到一堆生物資訊的發展情況 : 在上面可以查到的資料幾乎都落後半年以上 : : 並不是改良blast 或 發展新的演算法不需要再去研究 : : 當然每個領域都有價值 但這就要到生物版或生技版講了 : : 因為這邊是生技產業版 講的是產業 而非純學術 : : 一間生技公司是要利用現成被認同的網頁或軟體來分析protein structure : : 還是要聘個專精於演算法研發的PhD 來研發新的分析工具? : 當然是前者 : : 台灣的生技公司又不是像台積電 鴻海...等 大資本大規模 : : 然而聘電腦補助藥物設計的PhD是可以大大節省試驗成本的 : : 應該也是未來各藥廠的趨勢 : 輔助藥物設計跟研究演算法的人差太多了吧 : 你翻翻生物資訊相關的論文 : 裡面用的都是人家研究演算法的人的演算法 : 他們把那些也許是十幾二十年前發展出來的演算法套用在自己的系統裡 : 看起來這種人就是你所謂的研究演算法的人了吧 : 研究法展演算法和評估套用別人的演算法是兩碼子事 其實我覺得生物資訊最大的問題..且不能被生物界所接受 就是在於所謂的false positive and false negative問題 很多單位發展出新的改良式演算法(ex:Wu-blast, HMMer, GLIMMER)等 加上學術界的熱門研究..不斷的修正演算法.. 這些演算法可以大量的跑出宏觀的結果..例如預測結果或預測方向 但是接下來下一步還是得回到實驗面...去驗證演算法跑出來的結果 所以因為最後還是得回到實驗面去作驗證..那麼多了這一步是不是真的有那麼必要?? 美國有作這方面的統計...發現其實生資幫助藥物設計跟生化研究是很少的 大多生物學家很難去相信用電腦跑一跑出來的結果... 因為光一個gene或protein structure就得研究幾十年.. 人家何必去相信你短時間發展出來的方法呢... 更何況現在生資演算法最重要就是卡在驗證... 大家都再做預測...如何作驗證...沒有妥當的驗證.就沒有說服力.. 所以大家只能研究資料庫..輔助工具等.. 我想這就是生資界目前學術轉移到產業最大的瓶頸吧.. 生資已經快被生技吃掉了..他已經不算是獨立的一環了.. --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.58.52.227