生物學(xué)專業(yè)目前在國內(nèi)外是目前非常熱門的專業(yè)之一，一方面人才緊缺，社會需求量巨大;另一方面該專業(yè)發(fā)展迅速，就目前來看，不論是就業(yè)還是搞學(xué)術(shù)研究，前景都非常好。那么2020年申請美國留學(xué)生物信息碩士專業(yè)需要了解哪些，和威久留學(xué)小編一起看看吧。

生物信息專業(yè)概況

生物信息學(xué)(Bioinformatics)是研究生物信息的采集、處理、存儲、傳播，分析和解釋等各方面的學(xué)科，也是隨著生命科學(xué)和計(jì)算機(jī)科學(xué)的迅猛發(fā)展，生命科學(xué)和計(jì)算機(jī)科學(xué)相結(jié)合形成的一門新學(xué)科。

生物信息學(xué)這個(gè)專業(yè)本來就是交叉學(xué)科的交集，它的定義是用利用應(yīng)用數(shù)學(xué)、信息學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的方法研究生物學(xué)的問題。生物信息學(xué)基本上只是分子生物學(xué)與信息技術(shù)(尤其是互聯(lián)網(wǎng)技術(shù))的結(jié)合體。生物信息學(xué)的研究材料和結(jié)果就是各種各樣的生物學(xué)數(shù)據(jù)，其研究工具是計(jì)算機(jī)，研究方法包括對生物學(xué)數(shù)據(jù)的搜索(收集和篩選)、處理(編輯、整理、管理和顯示)及利用(計(jì)算、模擬)。主要的研究方向有：序列比對、基因識別、基因重組、蛋白質(zhì)結(jié)構(gòu)預(yù)測、基因表達(dá)、蛋白質(zhì)反應(yīng)等。因?yàn)樯婕暗目颇勘容^多，而且本科階段這個(gè)專業(yè)根本只能學(xué)得很膚淺，不能建立比較系統(tǒng)的學(xué)習(xí)導(dǎo)向。

就業(yè)情況

1. 科技服務(wù)

此類公司主要提供測序服務(wù)以及分析，類似國內(nèi)的華大基因以及諾禾致源，不過在美國數(shù)量較少，而且大多會開展多重業(yè)務(wù)。

優(yōu)缺：工作比較程式化，更好量化工作量，從而方便管理工作時(shí)間以及評價(jià)成果。

僅限于美國情況來說，很多大學(xué)都有自己的測序中心(core facility)，導(dǎo)致市場需求有限，并且長遠(yuǎn)來看可能會被國內(nèi)低成本高質(zhì)量公司擠壓，華大，諾禾已經(jīng)基本完成在北美的布局。

2. 技術(shù)創(chuàng)新

代表公司：Illumina，Twist Bio，10X

此類公司主導(dǎo)生物科研及應(yīng)用方向的技術(shù)創(chuàng)新，大多處于市場的主導(dǎo)地位 (Illumina & 10X genomics)，也有一些很成功的小規(guī)模公司(Twist Bio)。個(gè)人感覺此類公司對生物信息的發(fā)展方向影響極大，也比較受資本青睞。

經(jīng)驗(yàn)：此類公司面試考察非常全面，通常包括對生物，CS，以及統(tǒng)計(jì)基礎(chǔ)知識的考查，并且需要對Ph.D. 期間主導(dǎo)項(xiàng)目進(jìn)行presentation，最后還會考察面試者對公司的了解以及創(chuàng)意。所以對此類公司感興趣的朋友需要鞏固自己的基礎(chǔ)知識，并適當(dāng)刷題，而且要對自己的項(xiàng)目進(jìn)行總結(jié)，最重要的是要了解對方公司以及明確自己可以帶來的貢獻(xiàn)。

優(yōu)缺：此類公司技術(shù)壁壘比較高，利潤豐厚，薪水福利優(yōu)于其他生物公司同級別職位。但是一旦被新技術(shù)替代，就會迎來陣痛期。

3. 生信平臺

代表公司：DNAnexus，Qiagen

與第一類科技服務(wù)公司不同，有一類公司著重于為客戶提供個(gè)性化生物信息分析并且擁有自己專享的數(shù)據(jù)庫和平臺(云計(jì)算)。此類公司基本上是B2B，市場需求較大。比如上述兩家代表公司，DNAnexus提供生信分析云平臺，Qiagen提供軟件和數(shù)據(jù)庫(IPA, Omicsoft)，在行業(yè)里應(yīng)用都很廣泛。

4. 醫(yī)藥公司

代表公司：a. 傳統(tǒng)大型藥企(GSK，BMS，Bayer， Amgen)b. 新興藥企(Regeneron，Biogen，Agios)

隨著測序的日趨成熟，現(xiàn)在各大藥廠都已經(jīng)有相對完備的測序中心以及Translational Bioinformatics團(tuán)隊(duì)。

優(yōu)缺：總體感覺藥廠待遇相對生物公司要好，生物信息職位工作壓力相對較小。不過藥企的生物信息門檻相對較高，競爭也很激烈，而且面試周期較長。

5. 生物制藥公司 (Healthcare)

隨著測序技術(shù)日漸成熟，很多公司開始嘗試基于多種樣式生物數(shù)據(jù)研發(fā)藥物或者治療方法。與傳統(tǒng)藥企不同，此類公司多為近年初創(chuàng)，規(guī)模相對小，但是點(diǎn)子很新穎。這些公司的前景和生物產(chǎn)業(yè)大前景息息相關(guān)，較難預(yù)測。6. 農(nóng)業(yè)以及其他科技公司

除了應(yīng)用于治療疾病，生物科技還廣泛應(yīng)用于農(nóng)業(yè)(代表公司: Monsanto, Indigo Ag)，能源產(chǎn)業(yè)(代表公司:Exxon)甚至化妝品行業(yè)(代表公司: 歐萊雅)，上述行業(yè)公司都有生物信息職位。

6. 基因檢測 (DTC)

代表公司：23andMe，Ancestry

前面描述的公司多以B2B為主，隨著測序技術(shù)發(fā)展以及成本降低，近年來很多個(gè)人級基因消費(fèi)產(chǎn)品(Direct to consumer genetic testing)開始涌現(xiàn)，其中23andMe以及Ancestry是當(dāng)之無愧的行業(yè)龍頭。兩家公司都提供對祖源地的預(yù)測，并且23andMe還可以提供疾病風(fēng)險(xiǎn)的預(yù)測。

薪資待遇

偏熱門的專業(yè)。國外非常多醫(yī)博類大學(xué)基本都會開設(shè)這個(gè)專業(yè)，因?yàn)楝F(xiàn)在的社會會更偏向于融合性的學(xué)科，生物信息正是其中之一。將生物和編程和信息技術(shù)這一塊結(jié)合，是所有l(wèi)ab或者research中都需要的。

未來就業(yè)方向的話，可以考慮biotechnologist, biotech lab technician, bioinformatics specialist, biomedical engineer, biotechnology analyst; laboratory technician, researcher等等，薪資的話也是非常不錯(cuò)的，截個(gè)圖來具體闡述吧：

生統(tǒng)VS生信

生物統(tǒng)計(jì)學(xué)(Biostatisics)和生物信息學(xué)(Bioinformatics)是兩個(gè)較為相近的專業(yè)，都是通過數(shù)學(xué)、統(tǒng)計(jì)、計(jì)算機(jī)的方法來研究生物學(xué)的問題。但是兩者還是有區(qū)別。

生物統(tǒng)計(jì)學(xué)(Biostatistics)的重點(diǎn)在于 statistics，也就是說從描述數(shù)據(jù)，到假設(shè)檢驗(yàn)，到參數(shù)估計(jì)，都是統(tǒng)計(jì)學(xué)的知識，只是以生物學(xué)為案例。主要處理可轉(zhuǎn)化為矩陣的生物數(shù)據(jù)，多使用 R、SAS、Matlab，如 GWAS 模型。該專業(yè)通常開設(shè)在 Public Health 學(xué)院，多數(shù)都會與其他學(xué)院有聯(lián)合授課。如果去藥廠、科研機(jī)構(gòu)、healthcare、甚至保險(xiǎn)行業(yè)，學(xué)統(tǒng)計(jì)和學(xué)生統(tǒng)沒有多大區(qū)別，可以等同對待。

生物信息學(xué)(Bioinformatics) 通常開在生物系或者計(jì)算機(jī)系。生物系的生物信息學(xué)主要研究進(jìn)化，做序列比對，blast，構(gòu)建進(jìn)化樹;其次是研究基因功能，基因功能富集分析等。側(cè)重的是，將進(jìn)化中的生物學(xué)原理，參數(shù)如何設(shè)置，軟件如何使用，如何將這些軟件應(yīng)用到生物學(xué)問題。計(jì)算機(jī)系的生物信息學(xué)研究的是進(jìn)化的算法設(shè)計(jì)，會涉及多馬爾科夫鏈，HMM 模型，序列比對中的blosum62 矩陣是怎么來的，如何加快計(jì)算效率，如何降低空間存儲等等。側(cè)重的是，如何設(shè)計(jì)合理的算法，給生物學(xué)的人使用。簡而言之，生物信息學(xué)的重點(diǎn)是 computer science，主要處理序列數(shù)據(jù)，多使用 Perl、Python、C，如序列拼接。

美國生信名校

Tier1 MIT, HarvardTier 2 CMU, UCB, Stanford，UW Seattle，UCLA，UCSD，Duke，Notre Dame，南加大，弗吉尼亞，克萊蒙森，匹茲堡，明尼蘇達(dá)雙城，羅格斯大學(xué),凱斯西儲大學(xué)等