在人類演化的路上，尼安德塔人常常被拿來與現代智人做比較。過往的認知中會認為兩者在生理上有很大的差異，體型上的差異與腦部結構的不同，都讓兩者可能看起來很不一樣。但今日的基因科學則帶來了不同的視野。
這篇來自【風傳媒】上的文章，帶我們看到學者們對於現代智人與尼安德塔人的基因比較研究，結果讓我們看到兩者的實質基因差距其實不大。這也帶我們進一步思考，現代智人在過往是憑藉著生理上的差異而獲得優勢，進而在演化之路上勝出？
————————————
科學家知道現代人類有著史前人類尼安德塔人的一些基因，而他們一直想確定現代人類有哪些不同於史前人類的獨特基因。美國期刊《科學進展》（Science Advances）16日刊登的最新研究指出，現代人類只有1.5%至7%的基因是不同於已滅絕人種的獨特基因。
研究團隊發現，現代人類只有1.5%至7%的基因組是有別於已滅絕人種的獨特基因，這些基因可能包含可真正區別現代人類與史前人類的重要線索。該研究的共同作者、美國加州大學聖塔克魯茲分校（University of California, Santa Cruz）計算生物學家格林（Richard Green）說：「我們可以看出基因組的那些區域是與神經發育及大腦功能有關的富極基因。」
（以上引用網頁原文）
引用網址：https://www.storm.mg/article/3820784?fbclid=IwAR1j224Ak24YjXNJ_TBbPF9AkWJDOqk5qaShk90SNHNvickLnujjuwTBF2w
計算生物學 在 [經驗] 美國生物資訊、計算生物學面試- 看板Oversea_Job 的必吃
比較少看到生物資訊、計算生物學相關領域找工作的心得，今年初開始，一邊準備
畢業一邊找工作，順利找到工作後，分享一下這個領域找工作的過程跟心得。
* 背景介紹：
PhD in Computational Biology and Computer Science, Brown University
研究領域：
Computational methods on cancer genomics
主要為設計probabilistic models/algorithms
尋找導致癌症的driver mutations
發表論文：
Journal paper*2, in preparation*1 (first author)
一些跟校內校外教授們合寫的journal paper*n
* 學界 vs 業界:
大概是畢業前一年半左右，開始思考自己應該待在學界還是業界，喜歡學界自由
的風氣，可以做一些自己喜歡的研究，同時也很想知道自己的所學到底在業界可
以應用在什麼地方。詢問了指導教授，很感謝他建議我可以利用暑假去業界實習，
對於畢業後找哪方面的工作會比較有幫助。因此，去年暑假到了Pfizer實習，這
三個月除了專業知識上的收穫之外，體會最深的就是fast-paced decision-making
跟每個project之間的分工合作，另一方面當然也有體會到業界的一些現實面。
綜合了這些經驗後，今年初開始找工作的時候，我大部分都著重在尋找 Biotech
跟 Pharma 公司內R&D相關的工作，一方面蠻喜歡業界相對快速的步調，另外一方
面也可以繼續發揮研究領域的專長。
備註1: 其實在面試完以下的公司後，發現我的研究領域方面，業界跟學界的連結
其實相當足夠，研究的東西本質上差異性老實說並不是很大，以下會有比較詳細的
描述。
* 找目標→丟履歷→回應：
除了鎖定一些大家所熟知的大公司外，也有透過 LinkedIn Jobs, Indeed,
Glassdoor等網站幫忙設定目標，最後再加上自己建立的connections，總共丟了
大概有20多間，約略Pharma及Biotech各半，職缺的話 data scientist,
bioinformatics scientist/computational biologist, software engineer都有。
地點的選擇，因為未婚妻工作地點的關係，大部分都集中在Boston area 跟
Bay area。
這個丟履歷的過程，大部分幾乎都是沒有回音，或者直接發拒絕信說不適合、經驗
不足，以下列出有電話聊天或面試的：
- Pharma : Novartis, AstraZeneca, Biogen, Pfizer, FLXBio
- Biotech：10X Genomics, Natera, Counsyl, Bina(Roche sequencing)
- 其他：Stanford Health Care-CGSC, IBM Watson, Google(software engineer)
之後有機會進入下一輪onsite interview的公司為：AstraZeneca, Bina,
10X Genomics, Natera, Stanford Health Care, Google, Novartis。
* 面試過程 (按時間排序)：
- AstraZeneca: Bioinformatics Scientist (Cancer genomics)
面試過程： Presentation+QA (40 mins),
scientific interviews (30 mins*2),
technical interviews (30 mins*3)
這是第一間接到面試的公司 (三月中左右)，因為沒有任何面試經驗，接到後
有寫信詢問hirining manager面試的內容，我把對方提點到的東西都準備了，
儘管如此，因為時間很緊迫，其實準備得不算非常充足。Presnetation我有針
對phone interview內對方所提到的研究方向來準備，scientific interviews
蠻有趣而且刺激的，問了很多研究相關的問題(非常類似參加會議台下發問的
問題)，此外還有一些職場上應對的問題，例如：你希望跟老闆的工作模式為
何？ 如果老闆跟你意見不同，你怎麼說服他？等等...。
Technical interviews則是比較著重在其他bioinformatics領域的問題，例如
phylogentic tree, differential expression analysis of RNA-seq data,
machine learning, sequencing technology等等，衡量你懂不懂除了
cancer genomics之外的相關知識。
- Novartis: Bioinformatics Scientist, Oncology
這個蠻可惜的，通過電話面試後，安排好了onsite日期，等待過程中，
這個缺被freeze了...。
- Google: Software Engineer, PhD University Graduate
這是第二間onsite的公司， 因為是software engineer的面試，過程大概就如
其他版友分享的一樣，跟生物資訊比較不相關，就不多贅述。
- 10X Genomics: Computational Biologist, Algorithm Development
面試過程：Presentation+QA (60 mins),
technical interviews (45 mins*7)
緊接著Google面試的隔天，我到了這一家startup面試。10X的面試過程非常緊
湊而且紮實，大概是我這一波面試過程中碰過最硬的面試了。每個面試官都問
了至少一題coding question，另外有些會加上一至兩題機率統計問題。
Coding題目大部分跟定序相關，例如k-mer, powerset enumeration等，機率
統計的問題則是有 bayesian statistics (下雨天機率問題), 銅板likelihood
問題, 找特定序列的機率問題, MCMC sampling 等等...。除了這兩類的問題
之外，也問了很多biology的問題。
- Stanford Health Care: Senior Bioinformatics Scientist,
Algorithm Development
面試過程：Technical interviews (45 mins*2),
scientific interviews (45 mins*5)
Stanford health care的Clinical Genomics Service Care (CGSC)是一個剛
成立的team，才剛開始招人，因此有點類似startup的設置，主要工作內容是
醫院病人的WGS分析，發展precision medicine。面試過程比較輕鬆，也可能是
我慢慢進入情況，比較有經驗了。
Scientific interviews都是我發問居多，我事前準備了蠻多題目，剛好藉由發
問了解他們的工作內容。Technical的部分，則是考了suffix tree、MCMC
sampling的概念、著色問題、quick sort，以及如何尋找genomic variants
(GATK pipeline的概念)。除此之外，有機會被專業醫生面試，也算是一個蠻有
趣的經驗。
- Bina: Bioinformatics Scientist (Genomics)
面試過程：Presentation+QA (60 mins),
scientific interviews (40 mins*8),
technical interviews (事先電話)
Bina之前也是一間startup，但是前陣子被Roche收購併入Roche sequencing。
Bina的onsite interview幾乎都是圍繞在我的研究，花了大部分的時間討論我
的研究細節，我想是因為他們也在做跟我研究非常類似的內容，此外他們也很
明確的表達希望我可以貢獻我的研究專長。
- Natera: Senior Computational Biologist
面試過程：Presentation+QA (60 mins),
scientific + technical interviews (45 mins*7)
Natera是一家做血液基因檢測的公司，最近開始發展癌症基因的檢測，因此開
了很多oncology相關的缺。 面試過程則是有點像是如上描述的綜合版本，
hiring manager主攻很多我的研究相關的問題，有的面試官主攻職場上應對的
問題 (例如你會怎麼跟wet lab的biologist們合作溝通)，也有coding
questions (k-mer + suffix tree)，genomic variants 的問題，機率問題
(bayesian statistics跟銅板likelihood問題)，也有VP來闡述公司的過去
還有未來的發展。
* 面試結果：
其實整個面試過程拉得很長，從三月中開始一直到五月中才結束，這期間還夾雜著
我的論文口試，一整個就是非常忙碌。整個面試過程中，接觸到許多不同領域的新
知識，個人覺得收穫還蠻豐富的，從藥廠、定序公司、基因檢測公司等等，有點像
是走過一輪業界的rotations。最後在五月中的兩個星期內，陸陸續續地拿到了四個
offers。
* 抉擇過程：
在拿到第四個offers後，因為每間都很不錯，實在太難抉擇，因此我又陸續聯繫了
每間公司的hiring managers在電話裡聊了一遍，從公司願景、工作內容，聊到相處
模式、參與的project等等，因為覺得選擇一個好上司還蠻重要的，藉由問問題、
聊天的過程中，你也可以發現對方是不是一個適合你的老闆，從他講述工作內容跟
願景上，觀察對方是不是很清楚公司現在以及未來的規劃。至於薪水方面，因為有
拿到一些senior的positions (base薪水高出很多)，所以在幾回合的counter
offers後，最後每一間其實都給到相當有競爭力的薪水跟福利。其他我也有列入考
量的點，例如公司規模(大公司 vs 小公司)、職缺的高低位階(senior vs entry
level)、對於你要加入的team的感覺好壞(面試過程中可略知一二)、長中短程的職
場規劃(例如某間公司會有我想在短期幾年內想學的新科技新知識、或者比較有挑戰
性的project可以參與)、工作環境等，供大家參考。
* 其他心得：
- 自我介紹：因為幾乎每個面試官都會請你做自我介紹，請認真準備一個快速呈現
出自己優點的簡介，從簡單背景介紹、有系統地介紹自己的研究內容、為什麼對
這個公司有興趣，這短短兩三分鐘，可以讓面試官更了解你，自我介紹過程中的
一些起承轉則也會讓面試氣氛輕鬆不少，甚至很多面試官的第一個問題都是從你
的自我介紹當中發問。
- Connection的重要性：上面我列出來有回應的公司，超過一半都是因為有
connections，沒有connection的話履歷真的就像丟到水裡一樣。建議唸博班過程
中，可以多參加一些會議，或者主動參與一些大型的計畫，認識一些業界學界的
人，等到真的在找工作的時候，這些connection都會非常有幫助。
- 認真檢討每次的面試：從上面的題目來看，其實蠻多問題都被重複的問了，因此
認真檢討每次面試的題目，會對下一次面試很有幫助。
- 跟hiring manager保持聯絡：此外，面試過後也請跟hiring manager持續保持聯
絡，某間公司面試完畢後因為公司裡面的一些變動，因此無法立刻給我offer，
不過因為跟hiring manager密切的保持聯絡將近兩個月，到最後他還是順利爭取
到了我的offer。
- 練習再練習：不管最後有沒有拿到offer，我覺得每一次面試都是非常有收穫的，
例如應對技巧的磨練，持續練習累積經驗就會越來越有信心。Presentation的部
分，我也是對實驗室的學長姐博士後們練習了很多次。
最後希望這些小心得可以對想找生物資訊、計算生物學相關工作的人有幫助，
如果有想到什麼漏掉的我會再補充，如果有任何問題，我很樂意回答，
不管板上或者是私訊。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 12.131.214.125
※ 文章網址: https://www.ptt.cc/bbs/Oversea_Job/M.1468803135.A.FC6.html
... <看更多>