项目重点信息
2027年确有博士职位，但每月HK$28,400属于竞争性的HKPFS，不是所有录取者自动获得；Jun Li页面明确写有2027 admission职位，具体人数未公开。
这期最值得讲的现实问题是：生物信息学博士的门槛不只在生物知识，也不只在会不会 Python。Jun Li 的页面直接写到 Python/Perl、R 和 Linux 操作能力；他的公开研究方向涉及人、动物微生物组、生物信息学、生物统计与系统生物学，并强调开发统计模型。申请者需要同时处理数据、理解生物问题、解释模型假设，还要把分析流程做成可复现的工作。
导师信息与研究领域
Jun Li 于 2018 年加入香港城市大学，担任生物信息学助理教授，并与数据科学相关单位有交叉。其公开研究介绍把微生物组、人和动物健康、统计模型、系统生物学放在一起。这类博士并不是每天“训练一个模型看准确率”，更常见的任务是整理测序和表型数据、做质量控制、处理批次效应、建立统计模型、检查模型假设，再把结果回到具体生物问题。
微生物组研究尤其容易出现“代码能跑，但结论不可靠”的情况。样本量可能有限，不同实验批次会有系统差异，测序深度不一致，生活方式、药物、年龄和疾病状态又可能互相干扰。博士生需要把缺失值、协变量、过拟合、重复验证和生物学解释一项项处理，而不是只汇报一个显著 p 值。
研究问题与关键思路
一个典型问题可以是：某类微生物群变化是否与疾病状态相关，还是只是年龄、饮食或用药造成的混杂。工作会经历数据清洗、特征构建、统计检验、模型选择、敏感性分析和外部验证。若研究涉及多组学，还要判断不同数据层如何对齐，哪些相关性可能是技术噪声。Linux 能力的重要性也在这里体现：大数据往往在服务器或集群上运行，环境管理、脚本调度和日志排错是日常工作的一部分。
真正耗时间的失败场景通常不是“模型不够复杂”，而是数据质量不足、样本标签不一致、批次效应过强，或结果在第二个队列中无法复现。申请时能说清一次这样的失败经历，比只写“熟练使用深度学习”更有区分度。
申请材料要点
CV 最好保留能证明三类能力的经历：一是处理真实生物或医学数据，二是用 Python、R 或 Perl 完成可复现流程，三是能解释统计选择。每个项目写清样本规模、数据类型、你负责的步骤、使用的检验或模型、如何做验证，以及最重要的失败或修正。不要把软件名堆成技能墙。
邮件第一段可以直接交代你处理过哪种组学或生物数据，以及最接近导师方向的一个问题。第二段放一个结果和一个限制，例如“在独立队列中性能下降，因此重新检查批次效应并修改标准化流程”。这能证明你知道科研不只是跑通代码。
Research Proposal 创新点
Research Proposal 不要从“用 AI 改善健康”开始。更可执行的写法是限定研究对象、数据类型、主要混杂因素和验证策略。例如，围绕一种疾病或宿主状态，提出如何利用纵向微生物组数据区分稳定关联与短期波动，再说明要用什么统计设计和独立验证。
创新点不必是发明一个巨大模型。对生物信息学博士，更有价值的创新可能是新的队列设计、更可信的因果识别、更好的批次校正、跨物种比较方法，或能被实验进一步验证的生物学假设。Proposal 里要明确哪些结论能由数据支持，哪些仍需实验验证。
奖学金和学费
HKPFS 2026/27 的公开标准是每月 HK$28,400，另有每年 HK$14,200 的会议与研究差旅津贴，最长三年；对四年制博士获奖者，香港城市大学公开说明会在第四年提供同水平资助。部分院系页面还列出约 HK$105,800 的入学奖学金，用于首年学费和大学宿舍费用，但申请者应以对应学院和正式录取文件为准。
申请者还可以检查公开代码、预印本或课程项目是否能证明版本管理和复现能力。对生物信息学来说，别人能否在相同环境中重跑你的流程，往往比单次模型分数更能体现研究成熟度。
需要集中确认的事项有四个：Jun Li 的 2027 博士职位具体有多少；申请走 HKPFS 还是普通研究生奖学金通道；个人资助金额与期限；项目能否提供必要的计算、数据和合作资源。最终判断很简单：名额信号是真实的，编程与 Linux 门槛也写得很清楚；能否拿到 HK$28,400/月，则必须与竞争性 HKPFS 资格分开判断。
