一小块肿瘤组织可以提供多少可靠的生物信息，往往不是把仪器调到更灵敏就能回答的。样本越少，前处理中的损失、测量中的噪声与不同批次之间的偏差，就越可能决定结论是否成立。博士训练遇到的困难也常常在这里显现：研究者得先学会判断“测到了什么”，才能讨论“意味着什么”。
香港理工大学生命科学系的赵倩副教授研究天然肽、化学蛋白质组学、质谱技术以及多组学整合。她获得的研究资助项目，试图将微流控与蛋白质组和基因组信息结合，用较少的样本分析肿瘤免疫肽。它的目标并不只是增加一项检测指标，而是在有限材料中尽可能保留有关肿瘤与免疫系统相互作用的证据。
学校公布，这个项目于2025/26年度获得研究资助局研究影响基金，金额为港币535.5万元、期长48个月。数字说明项目有明确的投入和研究周期，却不能由此推断某位申请者可以直接获得博士名额。赵倩被学校列为潜在研究导师，博士申请仍需按研究型研究生制度和院系条件进行。
实验方法为什么需要跨学科
传统上，做质谱分析的学生可能专注样本制备与仪器参数，做生物信息学的学生专注序列识别和数据库检索。但当研究对象是少量肿瘤样本，两个环节会直接牵制：某种样本处理步骤可能提高检测数，却也引入选择偏差；一种计算筛选方法可能显著减少候选结果，却未必保留了有生物意义的低丰度信号。
这正是跨学科项目最不容易靠旁观学会的能力。研究者必须能够从生物问题出发提出测量需求，再根据真实检测限制修改问题。若只在其中一个环节表现突出，还需学会解释上下游环节如何影响自己的结论。博士训练因此不只是换更多仪器或学习更多软件，而是学会把证据链中每一个环节接起来。
例如一位做过蛋白质组学分析的申请者，写“熟悉质谱和下游差异分析”仍然比较宽泛。更具有研究信息量的叙述是：自己怎样处理样本批次差异、如何确认候选肽段的鉴定可靠性、是否做过独立重复、当蛋白鉴定结果与生物学预期不符时采用了什么排错步骤。这些细节直接对应赵倩团队所关心的检测可靠性。
研究型博士训练还包括如何管理一个不断改变的实验流程。假设一批临床样本先经微流控分选，再进入质谱检测，后续算法必须知道每一批次的样本如何采集、如何保存、用了什么检测阈值。若实验条件略有调整，数据库和统计脚本也需要同步记录，否则同一个肽段在不同批次的可比性就很难解释。把实验记录、质控指标与分析脚本作为同一条证据链管理，是团队协作中的基本功。
对研究能力的判断，常常发生在解释偏差时
临床相关研究还要求清楚地界定从实验结果到医疗意义之间的距离。检测到一种可能的免疫肽，并不自动证明它能作为治疗靶点；不同人群的样本差异、测量的假阳性以及后续功能验证，都可能影响结论。懂得把发现、候选证据和已证实机制分开，是科研训练在跨学科项目中最能体现成熟度的地方。
另一个容易被忽视的环节是研究设计。设想准备把某种微流控方法引入免疫肽检测，第一步不该直接问能否用更少样本得到更多结果，而要界定与现有流程如何比较。使用的组织类型、检测深度、重复性、回收率以及后续生物学验证，必须有可比的条件。只有比较框架清楚，新技术是否带来增益才有意义。
如果来自计算机、生物信息或统计背景，也不是没有机会接近这一主题。但需要展示自己理解的不是抽象分类任务，而是某一类生物检测数据如何产生、有哪些结构性偏差、为什么模型性能不能代替实验验证。反过来，实验背景的人也可以借助可复现的分析流程，让同一批数据中的不同解释得到系统检验。
香港理工大学已经公布2027/28学年九月入学的研究型研究生申请期，相关常规申请期至2027年5月底；竞争性的香港博士研究生奖学金计划则使用独立的较早截止节点。学校的奖学金说明提供了不同资助方案，其中2027/28年度HKPFS获奖者年津贴为港币344,400元。它是获奖后的资助标准，而不是全部博士录取者自动享有的待遇。
因此在科研计划里，最值得被看见的能力，通常不是把项目的所有研究术语写齐。选择一段确实做过的实验或分析，交代来源、样本限制、控制条件、可复现流程、未被解释的结果，再说明自己为何想把这个问题推进到博士阶段，就已比笼统表达“希望进行精准医学研究”更有分量。
科研训练最终要让人能对一个结果负责。即使研究横跨微流控、质谱、组学分析与肿瘤免疫学，只要能明确自己怎样判断某个结论站得住，就能让跨学科经历形成可验证的研究能力。
当一项技术宣称能从更少样本中发现更多候选信号时，值得追问的不是宣传数字本身，而是这些信号经过怎样的排错与验证。能够把这一问题讲清楚，才是跨学科科研训练向前推进的基础。
