2023美国生物信息硕士专业介绍

就业情况

1. 科技服务
   此类公司主要提供测序服务以及分析，类似国内的华大基因以及诺禾致源，不过在美国数量较少，而且大多会开展多重业务。
   优缺：工作比较程式化，更好量化工作量，从而方便管理工作时间以及评价成果。
   仅限于美国情况来说，很多大学都有自己的测序中心(core facility)，导致市场需求有限，并且长远来看可能会被国内低成本高质量公司挤压，华大，诺禾已经基本完成在北美的布局。
2. 技术创新
   代表公司：Illumina，Twist Bio，10X
   此类公司主导生物科研及应用方向的技术创新，大多处于市场的主导地位 (Illumina & 10X genomics)，也有一些很成功的小规模公司(Twist Bio)。个人感觉此类公司对生物信息的发展方向影响极大，也比较受资本青睐。
   经验：此类公司面试考察非常全面，通常包括对生物，CS，以及统计基础知识的考查，并且需要对Ph.D. 期间主导项目进行presentation，最后还会考察面试者对公司的了解以及创意。所以对此类公司感兴趣的朋友需要巩固自己的基础知识，并适当刷题，而且要对自己的项目进行总结，最重要的是要了解对方公司以及明确自己可以带来的贡献。
   优缺：此类公司技术壁垒比较高，利润丰厚，薪水福利优于其他生物公司同级别职位。但是一旦被新技术替代，就会迎来阵痛期。
3. 生信平台
   代表公司：DNAnexus，Qiagen
   与第一类科技服务公司不同，有一类公司着重于为客户提供个性化生物信息分析并且拥有自己专享的数据库和平台（云计算）。此类公司基本上是B2B，市场需求较大。比如上述两家代表公司，DNAnexus提供生信分析云平台，Qiagen提供软件和数据库(IPA, Omicsoft)，在行业里应用都很广泛。
4. 医药公司
   代表公司：a. 传统大型药企（GSK，BMS，Bayer， Amgen）b. 新兴药企（Regeneron，Biogen，Agios）
   随着测序的日趋成熟，现在各大药厂都已经有相对完备的测序中心以及Translational Bioinformatics团队。
   优缺：总体感觉药厂待遇相对生物公司要好，生物信息职位工作压力相对较小。不过药企的生物信息门槛相对较高，竞争也很激烈，而且面试周期较长。
5. 生物制药公司 （Healthcare）
   随着测序技术日渐成熟，很多公司开始尝试基于多种样式生物数据研发药物或者治疗方法。与传统药企不同，此类公司多为近年初创，规模相对小，但是点子很新颖。这些公司的前景和生物产业大前景息息相关，较难预测。6. 农业以及其他科技公司
   除了应用于治疗疾病，生物科技还广泛应用于农业(代表公司: Monsanto, Indigo Ag)，能源产业(代表公司:Exxon)甚至化妆品行业(代表公司: 欧莱雅)，上述行业公司都有生物信息职位。
6. 基因检测 (DTC)
   代表公司：23andMe，Ancestry
   前面描述的公司多以B2B为主，随着测序技术发展以及成本降低，近年来很多个人级基因消费产品(Direct to consumer genetic testing)开始涌现，其中23andMe以及Ancestry是当之无愧的行业龙头。两家公司都提供对祖源地的预测，并且23andMe还可以提供疾病风险的预测。
   薪资待遇
   偏热门的专业。国外非常多医博类大学基本都会开设这个专业，因为现在的社会会更偏向于融合性的学科，生物信息正是其中之一。将生物和编程和信息技术这一块结合，是所有lab或者research中都需要的。
   未来就业方向的话，可以考虑biotechnologist, biotech lab technician, bioinformatics specialist, biomedical engineer, biotechnology analyst; 

生统VS生信
生物统计学(Biostatisics)和生物信息学(Bioinformatics)是两个较为相近的专业，都是通过数学、统计、计算机的方法来研究生物学的问题。但是两者还是有区别。
生物统计学(Biostatistics)的重点在于 statistics，也就是说从描述数据，到假设检验，到参数估计，都是统计学的知识，只是以生物学为案例。主要处理可转化为矩阵的生物数据，多使用 R、SAS、Matlab，如 GWAS 模型。该专业通常开设在 Public Health 学院，多数都会与其他学院有联合授课。如果去药厂、科研机构、healthcare、甚至保险行业，学统计和学生统没有多大区别，可以等同对待。
生物信息学(Bioinformatics) 通常开在生物系或者计算机系。生物系的生物信息学主要研究进化，做序列比对，blast，构建进化树；其次是研究基因功能，基因功能富集分析等。侧重的是，将进化中的生物学原理，参数如何设置，软件如何使用，如何将这些软件应用到生物学问题。计算机系的生物信息学研究的是进化的算法设计，会涉及多马尔科夫链，HMM 模型，序列比对中的blosum62 矩阵是怎么来的，如何加快计算效率，如何降低空间存储等等。侧重的是，如何设计合理的算法，给生物学的人使用。简而言之，生物信息学的重点是 computer science，主要处理序列数据，多使用 Perl、Python、C，如序列拼接