作者：ludong_0

从东京奥运会看日本

东京奥运会的开幕式两个点给我留下很深的印象。

一是舞踏。也许日本在选择以舞踏作为开作为开幕式的呈现形式时，并没有考虑好它呈现效果的问题。通常舞踏都是近距离观看的。在远距离的电视直播面前，观众往往看不清楚舞踏所表现出来的力量。

日本在对死亡的思考上，有其独特的文化。而舞踏也可能是日本比较独有的艺术形式。中国主流媒体（包括自媒体）并不了解这种艺术形式，对奥运会开幕式的介绍上，缺少对舞踏艺术形式的解释。

二是让新科大满冠得主、混血儿、年轻的大板直美点燃主火炬。老年化的日本在鼓励、认可年轻人和多元文化。

数学是什么？

最近在看Coursera的课程”Introduction to Mathematical Thanking”。主讲人在课程开头就提出了一个问题：数学是什么？

我们几乎每一个人从学前就开始接触数学。一代一代人的传承，一代一代的学习、运用，但我们很少思考过“数学是什么？”。也许因为数学就在我们的身边，我们太熟悉它了，我们用它来计算……如果我们在这里停留一下，思考这个问题，大概我们会觉得，数学就是计算及计算的过程。但如果我们对数学了解得更深入一些，我们肯定可以发现数学绝不仅仅是计算。

在另一个课程说，主讲人也说过，学校教育丢掉了一些数学的本质。在他看来，数学是在一定规则下的推演。他举例说，我们学习的“通过两不同点的直线有且只有一条”就是规则。学校教育让我们学习它及它推演出来的一系列知识。但这条规则是可以改变的。如果我们把规则定为“通过两不同点的直线有很多条”，整个数学的世界就发生了巨大的变化。而这个新规则推演出来的一系列知识（如果说这是无聊数学家的游戏，我想没有人会反对。）却神奇地应用于天文学研究。这才是数学的神奇，也触摸到数学的本质。

我觉得”Introduction to Mathematical Thanking”课程对数学发展的分析很重要，所以记录在这里：

勿论近300年，近十年，我们所在的世界发生了巨大的变化。在数学上，以前的大部分变化只在数学研究领域的扩展上。但在19世纪，数学最大的变化是它的本质。

首先，它变得更抽象。

其次，它首要关注点从计算及计算过程转移到分析关系上。

I’m lucky for l was born in China

Because I was born in China, I can read Chinese books, watch Chinese radio, browse Chinese website. And for I had to learn English from 13 years old, I can read some English books, watch some English radio, browse some English website, too.

It’s very different between Chinese ‘things’ and English ‘things’. For I was born in China, I have more chance to learn both of them.

That is why I say “I’m lucky for l was born in China.”

南宁，我们应当喜欢上这座城市

5年前从北京的一家生物技术公司回到南宁。回来之前已经意识到，回南宁就业肯定非常地困难。南宁市特别缺少生物技术产业的城市。

当时，爱人则是在北京的一家外资it企业里面任中国区总监。回到南宁，就业形势可能比我更困难。后来的经历也证明了这一点。

在这5年里，我们面对着家庭的变故、工作的纠结、经济的拮据、孩子成长带来的压力。与很多生活在南宁的人一样，我们或多或少抱怨南宁的产业发展水平不能提供足够多的就业机会。

但抛开南宁的种种问题，南宁确实是一个漂亮的城市，有美丽的邕江河畔、良好的生态环境、日益现代化的城市建造。

南宁正在向好的方向发展，这是可以预期的。

作为城市的一个份子，参与城市的建设也是理所当然的。有机会，有余力，就应该保护南宁的城市环境，参与南宁的文明文化建设，甚至参政议政。

生活在这里，就让我们喜欢上这座城市吧。

生物学科研道路的生与死

今天和一位生物学博士聊生物学科研的事。这位生物学博士从医科大毕业，应该说对生物学科研有相当的了解。

因为工作的原因接触的科研人员比较多，经常遇到这样的问题：我的实验结果和文献上的不一致。为什么我们做不出来，别人能做出来？

这位博士说，经常重复不出来别人的结果，甚至结果和别人的结果相反。解决的办法就是重复很多遍，最后选择与别人结果一致的结果来写论文。

我一直有一个疑问：如果第一篇论文就是错的呢？所有的后来者一起跟着错？

如果都是这样做科研，真的就做“死”了。

要在生物学科研的道路上，“活”下来。只有不断地创新，走来别的人前面，不要跟随模仿。有自己的路径，一直走出去，不断地有创新性的研究成果。

遇到与别人结果不一致的情况，要么找到自身问题的原因，要么质疑、反驳别人的结果。但这样的情况，只能是在自己的道路上，搂草打兔子的事。它不是在科研道路上“活”下来的办法。

学习计划与激励机制

对初学者而言可以做以下三种假设：1，几乎所有的初学者都不喜欢学习。2，学习是一门苦差。3，所有的成绩都源于刻苦的学习。

正确的认识并承认这三种假设是很难的。我们通常给自己鼓劲或给别人鼓劲说学习不难。你会喜欢学习的。

事实上我们更愿意看一部小说、一段视频，吃一顿大餐……初学任何一种新的技能知识都是困难的事情。必须付出辛苦的努力，才有可能取得成绩。

在这艰难的时间里，应该制定一个一步一步的学习计划，有阶段性的学习目标。当达到学习目标的时候，应该给学习者一定的奖励，帮助初学者度过艰难的入门时间。

生信学习总结和计划

经过一段时间的转录组学习，初步了解了转录组的基本分析流程。现在理解到的生物信息学的用处：

1、利用生信工具解决生物学问；

2、发展生信工具本身。

第一个用处，包括很多方面：基因组、转录组（包括当下热门的与流式分选相关的单细胞转录组，新兴的空间转录组、RNA甲基化测序）、SNP等分子标记，还有蛋白质组、代谢组。一方面，尽可能读取生物大分子的序列；另一方面，分析生物体在不同环境下的大分子差异。

第二个用处，包括：算法的创新和优化、拼接和分析工具包的优化和使用流程的优化。

两个用处，涉及的知识十分广泛。生物学、数学（算法）、统计学都涉及到。数学（算法），对我来说难度太大，大概只能了解个大概。统计学知识肯定得补。

生物信息学的用途广，涉及的软件也多。现在比较熟悉的用途是表达差异分析、分子标记开发。先熟悉起来，再考虑进一步在哪方面深入学习。

通过生信技能树的培训，学习了一些linux操作、R语言，还有一部分没学完，需要学习完，把转录组的基本流程走完一遍。从编程语言的发展趋势来看，python现在应用和发展前景都不错，所以我计划从python入手学，利用这门“胶水语言”把linux和R语言一起串起来使用。

python的数据分析重点要掌握几个包：Biopython、numpy、pandas、matplotlib。看起来Biopython是主体，可用于fasta等生信大文件操作，完成一些linux的功能，或者利用linux的bash语言。numpy，顾名思义，是个数据统计的大包，应该不仅应用于生信，而是广泛应用于数据统计。pandas是统计分析的包。matplotlib，是一个绘图包。

学习用python做生信分析，要熟悉python，不在话下。近期目标是尽快走一遍基本流程，把这4个包熟悉一下。

同时，要多看纯生信的文献。至于怎么省劲地找到纯生信的文献，先依赖生信相关的公众号推荐吧。

只有强者才值尊重

今天周末，收到客户催实验进展的微信信息。大概是因为年轻又着急的原因，客户的言语紧逼。而我呢，最近可能要面对工作的变动，工作的内容也多，到周末想休息一下，却遇到沟通不畅的客户，火气就上来。

之所以面对客户的紧逼，有多方面的原因。我在这就不一一分析了。从事专业服务行业，需要面对很多的问题。需要公司管理、项目管理的保障，也需要在客户压力面前，坚持专业的基本原则。这些，现在所在的公司以前没有做好，现在也没有。

在专业服务行业，做强自己，更为重要。不然，客户很容易质疑服务的专业性。实力不强，是无法得到尊重的。弱者得到的“尊重”只是礼貌而已。