很多工科申请者把“做过微生物实验”写在简历里，却很难解释这些工作怎样连接到一个博士课题。培养菌株、测序、分析数据，听起来都与环境生物技术有关，但博士阶段更在意的是：面对一个复杂的微生物群落，怎样知道自己观察到的变化究竟由什么引起。
香港城市大学环境与能源学院的 Patrick Lee 教授研究环境生物技术、应用环境微生物学与微生物组。他所在的实验室明确发布了面向2027年9月入学的博士生机会，并欢迎微生物学、分子生物学、生物信息学、环境科学及工程等不同背景。这个跨学科范围很宽，却不等于任何“做过相关项目”的经历都能自然匹配。
实验会做，不代表问题已经想清楚
假设有人做过污水处理相关的微生物培养。申请材料若只写培养条件、实验次数以及仪器名称，导师只能看到操作经历。更有辨识度的写法，是把一次真正的研究选择展开：为什么比较这些样本，怎么排除环境变量，遇到批次效应或污染风险时怎样处理，最后有什么证据支持你的解释。这里的例子只是材料写作示范，并非该实验室完成过的具体项目。
如果研究目标是让微生物群落承担污染物降解任务，就会遇到一个实际困难：实验室里得到的最佳条件，在水质、温度、营养条件持续波动的现场未必存在。此时申请者值得讨论的不是“处理率能否再提高一些”，而是该处理过程对环境变化有多敏感，哪些微生物指标能帮助定位系统失稳的原因。把这一层问题意识带入研究陈述，会比描述一个抽象的绿色环保愿景更有分量。
Patrick Lee 教授团队强调的环境基因组学、转录组学与蛋白质组学，意味着研究对象可能同时横跨环境条件、群落结构和微生物功能。对申请者来说，生物信息学不是写在技能栏的一行工具，而是解释实验结果的一部分：一种菌群变多，究竟说明代谢能力改善，还是仅仅反映样本构成改变？如果缺少对照和机制假说，测序结果再丰富也难形成可靠结论。
这也是跨专业申请最容易误判的一点。环境工程背景的人可能熟悉工艺约束，但不一定理解分子水平证据；生物学背景的人可能熟悉实验设计，但未必知道工程系统的真实边界。申请材料不必把两边技能全部堆满，反而应该明确自己最擅长哪一层、目前有哪些不足、能从现有证据追到哪里。
计算与实验也不能被简单理解为互相替换。如果手里只有少量样本，复杂模型未必带来更可靠的推论；如果实验没有提供足够清晰的变量设计，即使做了高级统计分析，也可能只能证明相关性。判断自己是否适合实验室，应该看能否接受这样的工作方式：先拆开问题、把指标定义清楚，再把数据放回真实过程去理解。
把自己做过的工作写成可追问的研究
我更愿意看到一段经历中有可以被追问的决定。比如为什么选择某一套质控标准，为什么一个异常点最终保留，为什么不采用看似效果更好的指标。研究中有价值的部分往往不是结果很漂亮，而是能解释你为什么信任这个结果。
从项目计划的角度看，研究者需要在理想实验与可操作性之间选择。做大规模监测需要成本，做高频实验又可能损失环境代表性；更密集的数据不一定比设计良好的对照更有效。申请者如果能解释自己曾经如何在精度、资源与科学问题之间取舍，导师才能看到一种成熟的研究判断。
一封表达研究兴趣的材料，也应该围绕这些真实决策建立连接。你可以解释自己使用过什么数据、碰到过怎样的偏差，以及下一步希望通过实验还是计算方法解决问题。这样的表达更接近科研合作讨论，而非“我对生物技术充满热情”式自我评价。
香港城市大学的 PhD 路径与奖学金需要分开理解。学校公开的香港博士研究生奖学金计划有每月HK$28,700的资助标准和旅行津贴，但它属于竞争性选拔，不是 Lee 教授个人对所有入学者的承诺。要评估真实可行性，需要同时阅读岗位要求、正式入学程序与个人资助结果。
对不同专业的读者而言，这个团队最值得花时间思考的，不是“环境和生命科学是不是都能申请”，而是自己的经历能否落在一个确定的研究问题上。把某一次试验里最难做决定的地方讲明白，往往比扩写十项技能更能说明你准备好了什么。
