上一篇文章，我介绍了Bioinformatics、Biomedical Informatics和Health Informatics三个专业的区别。Bioinformatics、Biomedical Informatics、Health Informatics，到底有什么区别？
今天想继续聊聊另外两个经常被混淆的专业。
Bioinformatics，生物信息学。
Computational Biology，计算生物学。
这两个专业都涉及生物、数学、计算机和人工智能，而且研究方向有很多重叠。
很多学生会问，既然都是利用计算机研究生物问题，它们到底有什么区别？申请研究生时，又应该怎么选择？
我觉得可以结合卡内基梅隆大学，也就是CMU的两个硕士项目来理解。
01
Bioinformatics和
Computational Biology有什么区别？
如果简单区分，我觉得可以这样理解：
Bioinformatics更偏向生物数据的处理、分析和解释，而Computational Biology往往更强调利用数学模型、算法和计算方法理解生物系统。
举个例子，同样是研究癌症
Bioinformatics的研究人员
可能会分析大量癌症患者的基因测序数据，识别基因突变，比较正常细胞与癌细胞之间的基因表达差异，寻找与癌症相关的生物标志物。
他们关注的问题可能是：
如何从大量生物数据中，发现有价值的信息？
而Computational Biology的研究人员
可能会利用这些数据建立数学模型，研究癌细胞如何生长、不同基因之间如何相互作用，或者利用机器学习预测癌细胞对药物的反应。
他们更关注的问题可能是：
如何利用计算模型理解生物系统的运行机制，甚至预测它在不同条件下会发生什么变化？
当然，这种区分并不是绝对的。
很多Bioinformatics研究也需要开发算法和模型，而Computational Biology同样需要处理和分析大量生物数据。
实际上，这两个名称在学术界经常交替使用，并不存在完全统一的划分标准。
02
CMU的两个硕士，是一个很好的例子
CMU开设了两个相关硕士，但培养方向有所不同。
第一个是MS in Quantitative Biology and Bioinformatics。
这个项目设在CMU的Mellon College of Science，也就是理学院的Department of Biological Sciences。
它主要面向有生物、化学等生命科学背景的学生，帮助他们掌握现代生物研究需要的数据分析和计算技能。
课程包括Data Analysis for Biological Sciences、Statistical Computing for Biological Sciences，以及Bioinformatics Data Integration等。
项目有两个学期和三个学期两种学习安排，更偏向实际生物数据分析和应用。
第二个是MS in Computational Biology。
这个项目由CMU的计算生物学系与生物科学系联合开设，涉及School of Computer Science和Mellon College of Science。
与前一个项目相比，它更强调计算方法的深度。
例如，课程包括Algorithms and Advanced Data Structures、Machine Learning for Scientists、Biological Modeling等。
不仅要学习如何分析生物数据，还要掌握算法、机器学习和数学建模，并把这些方法应用到复杂的生物学问题中。
有意思的是，CMU在官网FAQ里专门回答了这两个硕士有什么区别。
学校明确指出，Quantitative Biology and Bioinformatics更强调生物信息学日常工作中使用的实际数据分析技能，对申请者已有的计算背景要求相对低一些。
而Computational Biology包含更深入的计算理论和机器学习训练，也更重视这些方法在不同生物学问题中的应用。
所以，同一所大学，两个看起来非常相似的硕士，课程和培养重点却有明显区别。
03
不同本科背景的学生，应该怎么选择？
我觉得首先要看学生已有的学术基础，特别是科研经历。
第一类，本科是Biology、Biochemistry、Molecular Biology等生物相关专业的学生。
如果已经有较扎实的生物学基础，参与过基因组学、分子生物学、蛋白质研究等科研，但编程和数学基础相对有限，那么Bioinformatics可能是一个更自然的选择。
这类学生可以通过硕士进一步加强Python、R、Statistics以及实际生物数据分析能力。
第二类，本科是Computer Science、Mathematics、Statistics、Data Science等专业的学生。
如果学生有比较扎实的编程、算法和数学基础，希望利用Machine Learning、AI和数学建模解决生物学问题，那么Computational Biology可能更适合。
不过，这类学生也需要一定的生物学基础，最好已经有相关课程或者科研经历。
第三类，是已经有跨学科研究经历的学生。
例如，一个生物本科生已经能够熟练使用Python和机器学习分析基因组数据，也参与过算法开发，那么他完全可以考虑Computational Biology。
反过来，一个CS学生如果主要做基因测序数据处理和分析，也可能非常适合Bioinformatics。
所以，决定申请方向的关键，并不是本科专业的名称，而是学生具体做过什么研究、掌握了哪些技术，以及未来希望解决什么问题。
04
最后，我想给申请者一个建议
Bioinformatics和Computational Biology的区别，并没有想象中那么清晰。
CMU的两个硕士能够帮助我们理解其中一种常见区别，但不能据此认为，所有大学的Computational Biology都比Bioinformatics更偏算法，或者对计算能力要求更高。
实际上，不同学校的项目设置可能差别很大。
有些Bioinformatics硕士对编程、统计和Machine Learning的要求非常高；有些Computational Biology项目也非常重视生物学实验和实际数据分析。
因此，申请研究生时，我通常建议学生不要只看专业名称。
尤其是本科有生物、计算机或者数据科学背景的学生，完全可以同时考虑Bioinformatics和Computational Biology。
更重要的是，结合自己的科研经历，研究具体项目的课程设置、研究方向和未来就业机会。
专业名称只是一个起点，真正决定匹配度的，是你已经具备什么能力，以及未来希望利用这些能力解决什么问题。
