3、主要是因为生物学不行，所以需要跨学科的知识背景。如果想建立生物世纪的话，你必须把定量科学拉入到生物学中。不光是国内，国外生物学的主流都不知道什么叫定量科学。现在的生物学缺乏定量的概念。目前生物学在简单的功能程度上大概可以实现定量化，比如适应性（adaptability）。搞清楚了功能以后，我们相应地就可以自己设计相关的功能，以达到特定的目的，但一旦涉及到多个功能结合在一起时，我们就不清楚了，我们还没能掌握它们互相耦合的规律。

看了院士的深刻剖析，我们再来看看学生物的学生怎么说。

1、学生物比学计算机还累

知乎网友张晨爆料：

我当年转码农的时候，有人说编程辛苦云云。但是实际上还是比做实验轻松太多太多了。生物别的还算好，就是做实验真是强度太大。编程累了可以吃饭，可以喝可乐。实验室里你饿的时候可能手上带着两层手套，上面沾满剧毒物质。编程编到困了，可以存盘睡觉，可是实验做到一半，可能下一环节是几个小时的PCR，完成之后你还要继续处理结果。编程实在疲劳了，可以请假，可以回家。可是实验室里养细胞或者动物的时候，除非你打算几个月前功尽弃，否则就得天天照顾着。更别说就业上的差别了。

2、学习不到足以安身立命的硬技能

知乎网友荆棘鸟爆料：

个人在生物坑里待了一段时间了，觉得这个专业最大的问题在于：学习不到足以安身立命的硬技能。不考虑极个别智商极高自我管理能力极强的人物，就一般本科生而言，学了这个专业，数理化能力基本上是废了，计算机能力基本是废了，在此基础上的统计学基本是废了（会个t检验会个方差分析的就不要说自己也会统计啦）。

当然一定会有人说“只要个人努力，不在乎什么专业”，这个观点我就不反驳了，反正我没那么牛逼。如果你自认没有远大的志向抱负，建议围绕一门安身立命的硬技能努力，在此过程中寻找自己天赋所在并发挥。

3、985/211毕业的生物专业博士都未必比金融计算机这类行业双非本科毕业生赚的多

知乎网友ZINGO爆料：

都说生物是四大天坑之首，其实就是付出和投入不成正比，贫富差距大。985/211毕业的生物专业博士都未必比金融计算机这类行业双非本科毕业生赚的多，而且工作时间一点不比其他行业短。不过如果你很适合生物类研究，幸运的选到了愿意把一切都教给你的导师，在一个很好的实验室博士毕业，对研究工作很有激情，各项能力都很强，我相信你的前途无法估量。虽然大部分生物人待遇都不怎么样，但水平很高的实验室待遇都是很好的。

学生物出路真的这么难么？好的学校会不会好一些呢，看到下面几个例子，顿时后背发凉。

1、清华生物系毕业生张晓勇从事保安工作

1991年，张晓勇以长沙县理科第一名的成绩考上清华大学生物科学与技术专业，毕业后去了一家日化企业，本想做研发，却被分到客服岗位。于是他成了出入娱乐场所、陪客户应酬的奔三一族，也曾因看到大学课本而哭泣，但生活依然没有变化。后来，父亲病倒，他返乡尽孝，在一陶瓷市场当保安，每月底领取2000多元的工资。

2、弃北大读技校

周浩有足够让人惊讶的经历。他从北京大学生命科学研究院退学，转学到北京工业技师学院，从众人艳羡的高材生到普通的技校学生。这样的身份转变，就足以让人不敢相信。周浩这样做了，并且谈起当年的决定，“毫不后悔，很庆幸”。在当年的高考中，周浩考是青海省理科前5名。

3、跨界金融

清华大学施一公的学生刘也行，2004年河南省信阳高考状元，清华生物专业本硕博连读。曾经参加过一站到底拿到了总冠军。本来他准备读完博士去当大学当老师，清华博士也只去个211当老师。虽然大学旱涝保收，年薪10W到15W之间，这个收入很难支撑他在北京买房买车。施一公当时对他寄予厚望，结果他直接放弃学术，选择了金融行业。他的第一份工作是卖方医药行业分析师，工作一段时间又跳槽去了买方。现在在做天使投资，收入早已过百万。

那学生物到底该不该坚持下去呢，出路又到底在哪里呢？

1、早点做准备，系统的按照招聘要求的相关技能进行学习和项目实践，在秋招之前要有对应岗位的实习或者科研项目用到的相关技能。

2、不要无脑转行，每个人的情况都要理性看待。比如对于学校出身一般的，生物专业是拿到顶尖学历的捷径，只要脑子保持清醒，拿到顶尖学历之后就有方法可以变现。毕业后选调生、专科高职、中学老师等等选择，大可以保证生活体面安逸。

3、生信可能是个不错的出路。生物信息算是生物领域内前景较好的专业了，工作好找，工资高，知识面更广，选择更多，还可转cs。目前国内的生物统计的缺口很大，因为原研药的加大投入，临床实验的增加，生物统计的需求越来越多。不过和it行业类似，行业技术更新快（甚至更快），要求学习能力强，不断跟上新技术。

生信文章导读

大咖聊“生信”

（1）大咖聊“生信”—生物信息入门必备

（2）大咖聊“生信”—生物信息系列（1）

（3）生信知多少

TCGA数据挖掘

（1）TCGA数据库挖掘肿瘤相关基因突变

（2）TCGA挖掘肿瘤相关突变-cBioPortal

（3）TCGA数据挖掘精品课程（付费）

功能富集分析

（1）3分钟了解GO/KEGG功能富集分析

（2）3分钟搞定GO/KEGG功能富集分析

（3）GO/KEGG功能富集分析-气泡图

（4）GO/KEGG功能富集分析-柱状图

GEO数据挖掘

（1）GEO数据库挖掘-SCI文章速成

（2）GEO数据库挖掘-快速锁定目标数据

（3）挖掘GEO速成SCI文章-R语言基础

（4）GEO数据库挖掘教程-一体化分析代码

更多科研新鲜资讯、文献精读和生物信息技能

请关注科研猫公众号领取干货返回搜狐，查看更多