谢 @Frost等403人 @李翛然 邀。
我觉得首先要关注的一个是演讲和沟通的技巧。尤其在合成生物学这种交叉学科尤为重要。
怎么见人说人话,见AI说code。
怎么高效地传递信息,把一件事情说清楚明白,让所有听众最大程度地了解你的成果。
好的演讲者,好的沟通者,就是能够点石成金,变腐朽为神奇。
现代社会的科研的基石,期刊发表也好,大小会议也好,都在于学术交流。你在自己实验室里鼓捣的东西,再美妙,只要没有被同行认识到,对于科学发展就是没有任何意义的。
甚至有时候,适度的“包装”也是必要的,每个人都应该为让自己的成果尽可能多地传播而奋斗。
这个展开说就太长了,我自己也不能说就有多高的水平。我只有一个建议,就是多去做报告,多说多练,小到组会,大到学术会议展示,不要放过机会锻炼自己。
下面说说关于做科研的,我分两方面谈吧,一个是知识,一个能力。没有知识,巧妇难为无米炊;没有能力,空有宝山不自知。
能力:
Level 1: 检索和快速阅读。合成生物学以现在的发展水平来谈,还是启发式的科研,在前人的实验和发现基础上添砖加瓦。完全靠first principle的工作也不是没有,但是屈指可数。这就意味着你能够支配的资源、使用的方法,几乎完全取决于你能搜索到多少资料。
Level 2: 自学。这个不是指读paper,而是在有需要的时候,能够啃下一个之前自己完全不了解的小领域的一系列文章的能力。
Level 3: 学科交叉。领域A的成果和领域B的成果,组合在一起,带来全新的视野和方法论。合成生物学就是这么诞生的,这20年来的发展,也是在不断地吸收传统的数理化生的方法、概念和人才,杂糅前进的。
Level 4:洞见和逻辑。能从不同的表象中发现相同的内在规律,能从相同的逻辑链条发散出不同的联系与应用,那么配合学科交叉的能力,你会发现只有好idea做不完的时候,根本不会才思枯竭。
Level 5:审美。什么是重要的,什么是当下急需的,什么是容易实现的,为什么一个工作比另一个工作更好。吾生也有涯,而知也无涯。以有涯随无涯,殆已。
知识:
Level 1:实验技术,实验安全,基础的分子生物学、遗传学、微生物和合成生物学设计原理
这个是最基本的,学生的首要任务就是搬砖,最低要求是能看懂的protocol,做得出实验。比较高的要求,是能设计要构建的系统,设计对应的实验protocol。
Level 2:简单的物理学和化学
分析化学、有机化学、反应动力学是必要的。不要催化的什么反应都搞不清楚,化学反应模型列出来都看不懂,就很尴尬了。
物理在一般通识的大学物理的水平上,统计力学可以再深入了解一下。
Level 3: 数学建模,数据分析,计算机语言
合成生物学区别于传统方法的特征之一,就是存在模型指导的理性设计。合成生物学一般涉及的建模还是比较简单的,一般学校物理系本科2年级学过的数学知识就基本够用了,大概列一下,就是多元微积分、线性代数、ODE、PDE、稳定性分析、随机过程。
在实验设计之前,就要考虑数据分析的问题。这就需要有基础的统计学和数理统计。之后根据你喜好的方向不同,可能需要图像处理、生物信息、网络分析等等知识。
所以,学一到两门计算机语言,用来建模和数据分析,也是必须的。
Level 4:广而深的生物学,以及背后的数学、物理、化学、进化原理
现在合成生物学的发展情况来看,遗传学、分子生物学、细胞生物学、生化、动植物生理学、天然化合物、进化、生态,都有涉及到。
我之前写了一个回答有关生物学的,有什么专业的难度是被严重低估的?
这么多学科,全都学得好也是不太现实的。尤其交叉学科人均外行,都犯过或多或少、或大或小的错误,发表在CNS和知乎上。更何况以我上大学以来接触的人来看,绝大多数人的生物学都是学的都是个Snapchat,考后即焚。
所以Level 4也可以说是地狱模式的要求,你出错了也不丢人。对于绝大多数人来讲,我觉得不要把这个事情当做你最开始的目标,而是把前3个Level做做好。毕竟绝大多数的工作,还轮不到拼各自的生物学底蕴的程度。
当然如果真的有条件的话,我还是建议把生物学的内容打得扎实牢靠一些,和数学、物理、化学结合着去学。其实学起来其实也没有那么困难,门槛不高,主要靠细水长流地去磨。一开始你就找几本写的不错的教材,天天当小说反复看就行了。很多东西其实都是熏出来的。
理想的情景下,要能把一个个知识点以“功能-结构-进化”的方式重构成知识网络,谈到自己了解的现象,都能解释前因后果,甚至能够灵光一现,信手拈来一个看起来似乎八竿子打不着但实际上内在相关的知识点。
Level 5:一门专精,其他所有的数学、自然科学和工程学的前沿进展都懂一点
合成生物学归根到底,还是一个工具。做科研开始可以搞点三板斧,但是如果有点追求,还是应该向“飞花摘叶皆可伤人,草木竹石均可为剑”而努力。
以下为比较必要的:
以下为锦上添花的:
以下为高山仰止的: