作者 | 李陽（美國俄亥俄州立大學(xué)博士后）

本人作為生物信息領(lǐng)域研究人員，積累的經(jīng)驗不多，踩的坑倒是不少。

雖然閱歷有限，但是不吐不快。下面先列舉一下我所踩過的坑，拋個磚，歡迎大家補充和拍磚?，F(xiàn)在開始：

1. 攤子太大

做科研有點像美國總統(tǒng)選舉。如果總統(tǒng)候選人得到了48個州的支持，那么副總統(tǒng)候選人就一定要覆蓋剩余的兩個州，而不一定是支持率第二高的人選。

科研也是一樣。不同的測序技術(shù)、測序平臺、物種得到的數(shù)據(jù)的內(nèi)部特征都是各有差異的。

我們開發(fā)的算法很難適用于所有數(shù)據(jù)，除非你只在模擬數(shù)據(jù)上做實驗。能夠適用于最廣泛數(shù)據(jù)的算法，毫無疑問，絕對是第一個占領(lǐng)市場的方法。

我們不用太雄心勃勃地硬碰硬。只需要在實驗和觀察中，發(fā)現(xiàn)自己的算法最適用的數(shù)據(jù)即可。

至于本領(lǐng)域最主流的算法，我們與它的數(shù)據(jù)格式最好對接。

2. 完美主義

做科研是從地點A走到地點B，而不是把腳印踏遍整個土地。因此，在做實驗的過程中，最重要的是走到實驗的最后一步（評估）。

至于實驗過程中出現(xiàn)的各種意外（例如：個別數(shù)據(jù)上的Bug），我們可以不予理睬。

等到在一部分數(shù)據(jù)上走到最后一步后，再騰出手來處理出現(xiàn)Bug的數(shù)據(jù)。

3. 流程不清晰

多數(shù)人年輕的時候執(zhí)行力超強，經(jīng)常腦海里還沒有清晰的思路，就開始寫代碼做實驗了。

其實在動手之前，最應(yīng)該做的事有三項：選擇數(shù)據(jù)（不需要太多，但是要覆蓋盡可能多的測序技術(shù)）；選擇比較軟件（同樣不需要多，但是需要對軟件進行分類，每一類選擇一個）；完成評價體系的代碼。

有了評價體系，在調(diào)試算法和程序的過程中才有方向。

4. 沒有時間觀念

科研永遠沒有盡頭，因此該妥協(xié)的時候就妥協(xié)。

隨著研究的深入，一定會發(fā)現(xiàn)新問題，甚至新思路。請允許自己把新的創(chuàng)意留給下一篇論文。

時間不等人，目前的項目一定要跟隨時間線按時完成每一個里程碑。

說到這里，注意了：為了有效地將項目進行下去，最好把項目拆分為一個個里程碑。

舉個例子：對于一篇論文，我們可以把它根據(jù)正文圖片進行拆分，完成一張圖意味著完成這幅圖的制作、相關(guān)正文和附件的書寫。

絞盡腦汁，只想到了這些，歡迎補充！