生物信息如何转行？

wolf

北京某末流985，生物专业，做实验真的恶心到我了觉得就是民工没有前途，于是一直在生信实验室里面学习，目前python和R的功底还可以，linux也比较熟了，也做过运用深度学习框架预测蛋白模型的项目，学过机器学习，sql。
目前是25考研，考的本校生物信息学，分数还没出来。很焦虑，在各大招聘网上看职位，看实习，看着生物信息虽然比纯生物好，但是跟IT比起来感觉还是差远了，看看我自己会的东西，将来想转去数据分析，数据挖掘岗，彻底跟生物拜拜。但是我现在没有实习，报的还是本校生物信息。
友友们现在这个行情建议我转行数据吗，还是坚持生物信息，没考上的话二战转行还是走培训班。现在很迷茫求指点，谢谢！

原文地址：https://www.zhihu.com/question/10784982223

感恩由您

不管你转到哪个方向，照样还是卷。其实可以考虑出国。至少在美国，我身边很多做生信的，虽然比不了纯码农，但至少工作不愁找，待遇还可以。不建议转data science, 入行门槛不高，现在比生信还卷

队长是我

这个时候进生信我觉得没前途，说实话用了这些年新出了这么多软件，对于偏向解决生物学问题的我来说，好用的还是那几个古早软件。
我粗浅的建议别读生物沾边的研究生了，如果今年走不了，二战直接一步到位到去AI相关专业

队长是我

生信本科自己都感觉没得搞了，从实验室学长学姐的就业来看，硕士毕业的这两年没有干本行业的，博士毕业转行的就比较。
要是你考上了本校生物信息学，感觉可以再自学一下python达到计算机行业入门水平，补一补行业常识，凭985的文凭挤进互联网行业或者科技大厂说不定可以一试。我们学校生信硕士毕业去华为、腾讯、tp-link的都有，做数据分析、前端后端算法的都有。感觉都没有啥实习，可能都有做过研究项目或多或少涉及一点。但未来三年后到底是什么行情感觉真的就很难说了，AI起来之后报计算机相关专业的同学只会更多更卷，行业饱和是既定事实，能不能转行成果靠不了时代红利了全靠个人水平和运气了。
哎，我之前也想转行数分，都拿到英国一年制计算机数据分析硕士的offer了，但在再三权衡之下还是放弃了，很难给出你什么建设性意见，自己还在生信的苦海里挣扎。只能说我最后选择了一个目前挺感兴趣的研究方向，准备还是吃科研这碗饭，对我来说做科研的数据分析还是比做公司的数据分析好玩一点，穷确实是穷了点，但好歹有意思，真的还没有到能为钱十年如一日地干不感兴趣的工作的境界。这年头做科研也是卷到原地起飞，一个人就是一整个团队，啥时候失业也不好说，再说吧，说不定等我博士毕业了就又想转行了。
生信这专业毕业懂点深度学习、懂点基本计算机语言，能干数据分析、可视化，还是PPT战神，能做个数据库、做个网页啥的，干啥也不至于吃不起饭饿死吧？

清风寡欲

我先讲讲我的个人背景，本人是本硕科班生信出身，24年毕业，硕士(统考数二英一，420上岸)，硕士期间无老板背景无学校光环情况下第一作者发了一篇bib，一篇gpb
毕业之前以为靠着文章吃饭怎么能冲一下专科，再差进公司也不至于混不上去
结果: 生物信息/生物学考公进编制基本上无路可走，专科又根本不需要生物信息，如果你选择了生信专业就会告别这两条路
结果: 后来秋招面了无数家公司，拿了四五个offer。从工作中可以看出，首先生信只有大城市有工作，但是工资需要从单细胞开始打工才能留在当地的水平(去互联网大厂的假生信另说，我们只讨论占比超过90%的群体）。其次，毫无发展可言，领导统一都是博士或者老板亲戚，工资三五年不涨一次，干的活基本上都是流程侠和拿来主义加魔改，完全依赖于实验，没有实验生信啥也不是(还是10%甚至更少的特殊方向另说)。最后，行业眼看走下坡路，ngs终究是科研服务和面相药厂和医院的检验外包，而且都是最贵收益最低的那一批，你说它发展上限会在哪呢
转行有几条个人觉得有希望的路，
首先，读研转专业，认准电子信息(计算机技术)或者计算机科学与技术，方向随意，记得研二去卷实习
其次，出去生信硕博一条路走到黑(可中途换成cs，纯生信就只考虑制药，别做组学，别做组学，别做组学），找机会留下
最后，国内生信的话找这几个方向，ai制药(药物发现/筛选的广义子集，最好别是靶点预测），生物文本挖掘(其实就是nlp啦），医学图像(其实就是cv啦），这几个会有老师打着生信的旗号实际上就是做纯计算机的活，毕业以后(要有a会或者好实习）有机会卷大厂，但是银行保险不好进(专业不符合)，发展也会好一点
以上，祝你能成功
另，我的绝大部分同事都读博去了

卡卡

不敢有建议哈，写一点点2025年自己的感受。

春节放假前，和一个哥们一起吃饭，他是实验背景的，带了十个人左右的团队，里面有一个小伙子是做生信的。然后他两人有一些观点差异，想喊小伙子过来和我聊聊。和这个哥们比较聊得来，大家都聊天比较没溜爱开玩笑，聊起来做的事儿都认认真真叨叨个没完那种。

Anyway，小伙子来了，真的是在认认真真做生信的。然后在比较不同流程给出来的结果，老是对不齐行业同行的结果，有点泄气。我和他一张表一张表的看，看完倒回去看他参考的文献，然后再回过头看同行的报告，花了接近一个下午。我有点明白他的状态。
我说帅哥，你不要看轻自己。你已经到了前面没有人的程度了。

我凑巧和他对照模仿的那篇Cell的团队里的人见过，文章里的脉络听朋友絮叨过。因为做科研服务，日常听客户的逻辑线，然后搬点小砖糊口。所以多少知道一点他这个方向的状态。
经济学上有个理论叫有限资源理论，在不同的资源场景下的最优解是完全不同的。Cell作者有他们的资源（学术背书强），商业环境有商业环境的资源（经济压力小），自己折腾有自己折腾的资源（外部干扰少）。

无论哪种场景，生信的人帮实验室的人搞清楚样本里实际发生的状况，是基本的岗位职责。这条主线不应该丢。而做过实验，然后做生信的人，天然是有优势的。人们倾向于相信实验的结果，而不相信计算机的结果。实际上做过实验就知道实验里面的误差大了去了，干湿实验结合是非常非常非常重要的。
在这个基础上，数据库，数据版本，影响因子，同行指标，这些都是参考，不要迷信。应该相信自己手里经过的样本，应该相信自己对样本特征的思考过程，逻辑闭环的情况下，应该尽可能的把中间版本和相关信息记录下来，对自己和对接手继续探索的人的时间负责。这是从入门的生信人员到熟练的生信人员的进步。工资只是市场参考，学历只是精力投入，文章只是资源投入。不要看轻自己每一分钟的投入。岗位会消灭，公司会倒闭，PI会跑路，工作习惯是唯一的个人可以把握的事情。
前面没有路时，怎么走，都是向前走。
你往前走，就能看到很多优秀的同行，在一起前行。德不孤，必有邻。
我在知乎上碰到好多年轻人问，应该走哪条路，怎么转生信，怎么转AI，似乎转了行，自己不一样了。“上岸思维”很重，这是中学教育中的一种善意的简化：“只要你做对XX事儿，你的人生就不一样了”，很多读研甚至读博的人，还是这种心态的余晖。 这种说法没有问题，但属于后验的观察，你回溯人生，确实是这样的。有句歌词梦醒来，是谁在窗台，把结局打开。 只是探索未知，不应该是这种心态。
探索是试错，正确答案很重要，错误答案更重要。为什么？
正确答案是一条路，错误答案是路两侧杂草丛生灌木交错野兽出没危机四伏生机勃勃的真实世界。尝试的多了，就知道新修的路应该怎么设计。
生信领域现在很少有人在知乎上提问或者讨论比较底层的问题。
这是平台为了财报在引流方面做了取舍，十年前平台不是这个氛围。

我们不妨一起思考：
AI当前的版本，对生信有多大的提速？
AI未来的版本能否加速干湿实验的结合？
AI走到尽头会有哪些生物学问题中的误差还是无法消除？
人应该在未来的AI赋能的产业链条里扮演哪些角色？
你来对人和机器动态结合的科研模式设计有哪些巧妙的方法？
年轻人为什么应该思考这些问题？因为思考这些问题的人会支撑起来未来行业的技术架构和职业设计。从整个人类科学发展的角度，站在这个时间节点上，应该思考这些问题，并提出自己的见解。错了没关系，院士们在这些问题上想的也不是很深入，也是一样在试错，他们还很忙，没有年轻人这么有整块的时间。

请允许俺絮叨一点旧事。十年前单细胞刚开始的时候，也都是非常年轻的小伙子小姑娘们在折腾这些领域。现在积累下来的分析套路和一些成型的包，也是试错出来的。现在去面试坐在桌子对面的那些人，刚开始也经常搞砸客户的样本，那时候一个单细胞大几万呢，比现在的GPU可烧钱多了。SOP都是事故积累起来的，这是基本的科学常识，勇敢点。
回到和小哥的谈话，我说我是个很差劲的生信工作人员，但是从读paper和看数据的角度，你没有必要内耗。你从事的这个领域，并没有压倒性的行业独角兽，大家都在试错，不要造假，客观记录，自己的样本集合逻辑闭环。大家都在荒野探索，谁的手电筒也没强到照明弹的亮度。按照自己的工作风格再坚持一段时间，你就是别人值得依赖的行业前辈。
小哥很有信心回去干活了，我有点担心他自信心太足了会跳槽，到时候怕是要请哥们吃饭。
不过想想现在的市场动态，哎，还是静下心来做事儿吧。

（大年初五接财神，感谢一下这些日子点赞的朋友，目前的创作反馈，大约一百个赞知乎会赏我五分钱，非常喜庆的，祝大家新年行大运，财源广进，平安喜乐~）