译者 | 心理学系(英国宾夕法尼亚华盛顿大学访问学者)

生前做为微生物重要信息应用领域科学研究相关人员,累积的实战经验太少,踩的坑倒是许多。

尽管学识非常有限,但不吐不悦。上面先列出呵呵我所踩过的坑,抛个砖,热烈欢迎我们补足和挑刺。那时已经开始:

1. 大饼太小

做科学科学研究类似于英国总理议会选举。假如总理参选人获得了48个州的全力支持,所以副总理参选人就很大要全面覆盖余下的三个州,而不很大是得票率第三高的最佳人选。

科学科学研究也是那样。相同的定序控制技术、定序网络平台、亚种获得的统计数据的外部特点都是各有差别的。

我们开发的算法很难适用于所有统计数据,除非你只在模拟统计数据上做实验。能够适用于最广泛统计数据的算法,毫无疑问,绝对是第一个占领市场的方法。

我们不用太雄心勃勃地硬碰硬。只需要在实验和观察中,发现自己的算法最适用的统计数据即可。

至于本应用领域最主流的算法,我们与它的统计数据格式最好对接。

2. 完美主义

做科学科学研究是从地点A走到地点B,而不是把脚印踏遍整个土地。因此,在做实验的过程中,最重要的是走到实验的最后一步(评估)。

至于实验过程中出现的各种意外(例如:个别统计数据上的Bug),我们可以不予理睬。

等到在一部分统计数据上走到最后一步后,再腾出手来处理出现Bug的统计数据。

3. 流程不清晰

多数人年轻的时候执行力超强,经常脑海里还没有清晰的思路,就已经开始写代码做实验了。

其实在动手之前,最应该做的事有三项:选择统计数据(不需要太多,但要全面覆盖尽可能多的定序控制技术);选择比较软件(同样不需要多,但需要对软件进行分类,每一类选择一个);完成评价体系的代码。

有了评价体系,在调试算法和程序的过程中才有方向。

4. 没有时间观念

科学科学研究永远没有尽头,因此该妥协的时候就妥协。

随着科学研究的深入,很大会发现新问题,甚至新思路。请允许自己把新的创意留给下一篇论文。

时间不等人,目前的项目很大要跟随时间线按时完成每一个里程碑。

说到这里,注意了:为了有效地将项目进行下去,最好把项目拆分为一个个里程碑。

举个例子:对于一篇论文,我们可以把它根据正文相片进行拆分,完成一张图意味着完成这幅图的制作、相关正文和附件的书写。

绞尽脑汁,只想到了这些,热烈欢迎补足!

转载本文请联系原译者获取授权,同时请注明本文来自心理学系科学网网志。链接地址:https://blog.sciencenet.cn/blog-3447504-1332819.html