[討論] 生資的五個定義

[huggie (huggie)]

生資的五個定義

http://bytesizebio.net/index.php/2009/02/27/not-dead-overloaded/

Iddo Friedberg，BioPython 的主要作者之一，認為 "bioinformatics"
這個字眼在許多人的心目中代表不同的意義，已經被多重定義搞混了，
因此在他的部落格裡他嘗試把生物資訊的多種角色釐清。他把生物資訊分
為五個定義 (B1 ~ B5)，我覺得解釋的蠻清楚的：

B1: 撰寫可以回答生物問題的演算法，例如增快重組序列的演算法，
    或者是改善微陣列晶片的叢集演算法

B2: 撰寫程式來解決分子生物上面的問題。跟 B1 的差別在於 B1 是一種
    抽象思考，B2 是實際的程式。

B3: 處理資料儲存跟工具。可以使用 B1 跟 B2 來解解決這件事情。基
    本上就是把生物資料透過任何方式來呈現出來，例如網頁。並且包裝
    B2 的工具。

許多人，尤其是做 bench 實驗的人，以為 B1 ~ B3 就是所謂的生物資訊，
因此覺得生物資訊不是一種科學，而是一種工程。如果你做的只是 B1 ~ B3，
你很難取得教職。

B4: 解決生物問題（而非 B1 ~ B3 的資訊問題），透過 B1 ~ B3 來實際
    解決生物問題。用 mining 來發現一些有趣生物現象等。有些 bench
    學者認為 B4 不是一種科學因為缺乏 hypothesis-driven research。
    但有許多 paper 發在點數高的 journal 上反駁這一個觀點。從資料
    中仍然可以做 hypothesis-drive research.

B5: 透過 B1 ~ B3 來解決生物問題，並且參與實驗。針對生物問題，
    有些問題無法單純透過 B4 解決，需要實驗的輔佐。有些學者認為只有
    B5 才是真正的 hypothesis-driven research。

會有這篇文章是因為生資最近被看扁了...XD
從 http://www.ncbi.nlm.nih.gov/pubmed/19133107 到
http://shirleywho.wordpress.com/2009/01/28/soul-searching-in-bioinformatics/
都有一些文章在討論。

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 140.129.160.62
推 hajimels:我這裡都要做到B5 不然會畢不了業XDDD
→ huggie:恭喜..比我們有競爭力 XD
→ windincloud:我做到B5會瘋掉~ 上萬條要check~ XD
推 hajimels:我都只有挑最有希望的做QQ
→ hgsfhevil:b4是一個很曖昧的過程,mining出來的東西,沒有實驗驗證
→ hgsfhevil:要怎麼說服大家,你的東西有mining出來,大部分的人幾乎只
→ hgsfhevil:到b1~b3,實質上,就算有到b4,那些東西,也不足寫出完整的
→ hgsfhevil:論文,paper.基本上b4b5是一氣喝成,我們實驗室目前的頂多
→ hgsfhevil:做到b3~b4中間的程度,還沒完全到b4.生資不是沒用,但是
→ hgsfhevil:我覺得國內很多資工學者,一直無法跳脫資工的思維,加上環
→ hgsfhevil:境的限制,很多生資文章充其量是b3吧
→ huggie:原文有b4的例子，我沒去看 :p
→ huggie:"mining"這個字眼是我看了之後的自己的解釋，你可以看原文
→ huggie:至於B5原文的意思應該是以生物角度為出發點，並非跑了生資
→ huggie:之後回頭做實驗驗證。而是以生物角度設計實驗，必要時以
→ huggie:生資為輔
→ hgsfhevil:我大概看了b4,他的意義是用資訊去分析一些生物的議題
→ hgsfhevil:例如:基因體序列組合好了後,我們要怎麼找出每個位置
→ hgsfhevil:有哪個基因,這時候用blast去比對,這算是b4的功用
→ hgsfhevil:其實這篇翻譯是沒錯的,只是我被mining這字眼搞混了
→ hgsfhevil:謝謝你的分享
推 ChelseaFC:若是做不到B5，實驗時所用到的資料就需要有說服力，例如
→ ChelseaFC:使用幾近完美的資料產生高品質的result，同時應對一般公
→ ChelseaFC:用資料，若取得平均以上的結果，才能說自己的方法好。
※ boblu:轉錄至看板 Biology                                        08/09 12:12