AMA | Bioinformatics scientist 修煉路上
前文：
這是我今年九月在豆瓣小組Women in Biotech/Pharma 醫藥行業女性發佈的一篇AMA。AMA即Ask Me Anything，作者先簡單介紹自己的履歷和願意分享的經歷，參與者可以問作者任何問題——當然是相關的啦！我留意到在2020年左右，以女性互助為主題的小組如雨後春筍般冒出，比如人數最多的Women in Tech，Women in Law，還有更加小眾一點的Women in Social Sciences等等。
正文：
組裡有小伙伴對bioinformatics scientist好奇嗎？
先說說我的個人經歷吧，在bioinformatics的道路上我算是半路出家：本科學biotechnology，碩士開始接觸生物信息，上手編程，剛剛念完的博士方向是clinical proteomics, 100% dry lab 做data analysis。年底會入職一間NGS公司成為bioinformatics scientist新人～
如果大家有轉專業或者怎麼找相關工作的疑問，特別是生物背景的小伙伴，我很樂意解答！那麼這裡會從三個方面寫寫我的分享：轉專業，找工作，還有怎麼在讀博中學習。
一、轉專業：
心意已決的話，轉專業越早越好。如果是考慮大學畢業留學歐洲的話，有兩點可以注意一下：
-
大部份歐陸學校不接受本科生申博
-
研究生的話各國皆有利弊，比如德國限專業比較嚴但是不要學費，北歐和英國相對寬鬆但是貴
像我的碩士學校只要本科是醫藥理工相關（生化，藥學，甚至化學工程）都能申請，但必須修過數門指定科目（我大約記得有生物化學，還有基礎數學？）可以說是很親民了！
至於要不要轉專業呢？這個問題要留給大家自己決定了。我個人的感受是，工作量上看dry lab 不一定比wet lab輕鬆，但時間自由啊，精神壓力也小：做cloning的時候一步錯，好幾天的工作就浪費了（更不用說動物實驗了），但寫程序的話改改重跑就好。另外一點是，在wet lab裡skill sets都差不多，有的壞老板會覺得換誰來都行，對bench scientists毫無尊重可言；相比來說bioinformatics算是學習曲線比較長的技能，飯碗穩穩的。
二、找工作
我的申請是100%領英上投的。先列一下大家可能比較感興趣的數字：從我投第一份簡歷到收找第一份offer，用了一個月；一共投了19份簡歷，收到七個意向回應，拿到五個面試機會，收到兩個offer(一個拒，還有兩個我沒去面）。步驟是這樣的：
1、撰寫簡歷（兩週左右）
我是在overleaf上下了模板，然後依樣畫葫蘆改。因為自己latex技能比較蹩腳，太複雜的我都改不來，所以下了個簡單的，我記得是個應聘software engineer 的template。
然後重點來了，寫完之後一定要找人讀！！！不僅是為了美化內容，而是為了避免當局者迷啊（論壇上總有人哭訴投了幾百份而石沈大海，往往是因為CV有重大的缺陷而不自知）！而我這位reviewer也是bioinformatician, TA 一針見血地指出了不少問題（readability, repetitive phrases) 。我非常非常感謝TA！
2、投簡歷 （三週）
在LinkedIn上投一個還蠻快的，除了一小部份會要求personal statement。因為我投的職位比較diverse, 有藥企，biotech，還有兩個是學校裡面的scientific programmer,所以每份CV我都稍改了一下，以求在保持真實的框架內最大程度和job description重合。
這樣做會稍花時間，一晚上往往只能投一兩個。但從最後的結果來看，顯然是值得的😊
有的姐妹可能會問職缺是怎麼找的：我在領英的Jobs上設置了地域和關鍵詞的filters和notifications。另外，其實只要多搜搜，它的推薦就會相當準確啦～另外的另外，我也沒買premium membership，所以真的不是打廣告🤣
3、面試
我是復活節假期開始投的，然後節後上班第二天，就收到了兩個hr來電（對，打到我手機，所以電話要常開著）。現在回看整個面試的經歷，三面是在業界最常見的：
第一面（電話）和hr聊半個小時，回答一些yes/no問題，比如說：
「你簡歷寫你會用Python？」
「對」
還會有一些老生常談的問題，比如「請介紹一下你自己」。對於第一面我摸到了幾個小竅門：
-
準備一個基本question list，并且寫好和記好response。針對我不擅長即興發言的缺點，我覺得有底稿會讓我更加游刃有餘，言之有物。（當然如果你口語能力很好，就無需太花時間啦）
-
保持笑容。這招很有用，大概是笑聲能給人自信和從容不迫的印象吧！
到了和manager的第二面，專業問題就會開始出現啦！從第一面到第二面，一般會有幾日至一星期的時間。好好利用這段時間，一定要上glassdoor搜第二面的問題！如果沒有的話看看同類公司也行！我自己比較驚訝的是我被問得最多的是統計和ml，sequence alignment這種反而一個都沒有😂。我現在猜可能是因為我沒有NGS經歷，所以問起來怕大家都尷尬？？😅
好啦終於到了最終面！最終面的對象常常是group leader + manager + senior scientists, 人數四到十人不等。形式因公司而異，一個比較常見的組合模式是
- Presentation of your PhD project (10-15 mins)
- Presentation of a given topic (10-30 mins)
- Individual interviews by panel members (time varies, mostly 30 mins X N )
聽著是不是還好，但大家可能記得我簡歷中率算比較高，所以這時候是三面疊著二面加好幾個一面。 幸好我的所有面試都是網面（這就是新冠肆虐時期的特色），否則最後一面如是on-site ，那就肯定應付不暇了😂😂所以大家搞申請還是要量力而為。
我給大家的建議是好好準備1）和2）！再次針對我應變能力差的弱點，我準備了精確到每個標點符號的講稿并且讀熟。只是讀熟而已，因為真的沒時間背啊！這裡推薦大家試試powerpoint 的presentation mode，全程念稿沒難度，但我怎麼當時沒發現！
找工作就先寫到這裡，大家還有什麼問題歡迎踴躍留言！我下面列了幾個豆油收到的：
- 專業適配度重要嗎？
在德國可能更重要（你想想他們這個碩士就不讓轉專業的傳統），但姐妹有心宜的機會還是要衝衝衝呀，反正申請不花錢，簡歷拒就拒唄😄
- 面試完要不要寫感謝信？
不清楚，我沒寫，所以可能不影響？😅
（呃好像豆瓣不讓評論了？？我一個人打字真的很尷尬！要不是有姐妹提醒我還以為沒人在看呢。歡迎大家轉發代替評論，輕輕支持一下，我會經常看！）
三、學習
博士入組的頭幾個月個，深深的失望與懷疑包裹了我。在我導師的帶領下，組裡的風氣就是水文—用水來的文申基金—用申來的基金繼續水文，這樣一個循環。退學再申請吧，當時我并沒有真正的bioinformatics project的經驗，不一定能再找到一份100%dry lab的工作。
那怎麼辦呢？只好自強吧。
從博一下學期開始，我走上了孤獨的學習和探索的道路。以下會以時間順序列舉我的一些嘗試，不敢說是最好的，勝在全部親測可行：
- 生物統計學（Coursera網課）：Mathematical Biostatistics Bootcamp 1&2 by Brain Caffo
千萬不要被Mathematical嚇退呀姐妹！它的prerequisite大概是學過高數，懂calculus和linear algebra就差不多了。我的學習方法是1)記課堂筆記2)完成堂後小測3)老師課常上證過的證明我會自己再推導一遍。
我自己是上的免費版，要不要買課視乎姐妹的需要！買了之後會有證書，可以在領英上分享以及認證。學習資源好像都差不多。
- 算法及數據結構：Introduction to Algorithms by Cormen, Leiserson, Rivest, Stein (CLRS)
CLRS是一本比較有名的CS敎科書，也很厚，網上有PDF資源：https://edutechlearners.com/download/Introduction_to_algorithms-3rd%20Edition.pdf
大家可以先看看頭幾章再決定買不買。那這樣一本厚書該怎麼讀呢？我跟隨了一個高贙貼子，來自Facebook software engineer Jimmy Saad： https://www.quora.com/What-should-I-know-from-the-CLRS-3rd-edition-book-if-my-aim-is-to-get-into-Google
他在貼子裡劃了重點和可以忽略的章節，我覺得對bioinformatician同樣適用。
我是這樣讀這本書的：把正文裡列舉的pseudo codes全部寫成python代碼并運行，以及完成exercises。遇到實在不會的網上找答案，我推薦這個網站：https://sites.math.rutgers.edu/~ajl213/CLRS/CLRS.html
- 數據科學：Python Data Science Handbook by Jake Vanderplas
一本不得不讀的好書，深入淺出地介紹了玩轉ds的四個python包：Numpy, Pandas, Matplotlib和scikit-learn。作者還貼心地提供了全書的jupyter notebook：https://jakevdp.github.io/PythonDataScienceHandbook/
雖然讀這本書之前已經多多少少用過這幾個包，但是，，，我直呼相見恨晚！
- 數據庫：SQL基礎教程，作者MICK
因為工作上偶爾需要從數據庫抓資料，而我又很不喜歡用鼠標勾來勾去，所以學了一點SQL。這裡推薦一本日本作家的SQL入門書，豆瓣評分蠻高的：https://book.douban.com/subject/24841239/
這本書不僅條理清晰，而且圖文美觀；不囿於某個特定的SQL語言，而是耐心地羅列出不同語言的區別，可以說是非常適合初學者了。我看完這本書後大概是能做出leetcode上easy的程度，日常就很够啦！
個人感覺SQL（對於我這種級別）屬於學起來不難，幾天不寫就忘，但是㨂起來也快的神奇工具。有時間的姐妹可以考慮學起來，而且不少job qualifications都少不了它^^
以上是我看完的，目前我正在看我未來的manager推薦的一本書，Bioinformatics Algorithm by Philip Compeau and Pavel Pevzner。這本書的作者們創建了一個網站：https://www.bioinformaticsalgorithms.org
在這個網站上讀者們可以選擇閱讀電子書，購買實體書或者報名網課來支持作者。雖然我目前只讀到第五章，但還是想斗膽跟大家推薦一下：太好看了，都給我去磕！！！
先更到這裡～
正文完。
後記:
為什麼選擇在一個只限女性的小組裡發貼子？除了因為相信Women empower women這個信條，小組討論活躍，氣氛友善禮貌是另一個重要原因。從我收到的豆油問題來看，生化環材的小姐姐們不僅彬彬有禮，還很萌萌嗒！甚至還有個姐妹不為問問題，只是因為豆瓣無法回覆，而專門私信來謝謝我，我真的非常感動鴨！這幾天看到貼子的收藏點贊量都在慢慢上漲，如果能成為大家的一點光，我真的很高興😊
另一點是見證了中國政府鉗制言論自由之嚴峻：我發貼時正趕上「清朗運動」，2021/09/06至2021/09/13豆瓣全線因「技術原因」禁止回覆貼子。在我敲打這些文字的同時，貼文正因為「部分内容可能不符合社区指导原则」而被審核，暫時僅自己可見——即使它只是一則分享職業經歷的乾貨貼。
我在想，網友的底線，如果有的話，到底是什麼？
