“目前，既懂得 又具备计算机技能的复合型人才非常缺乏。”在深入了解生物医学大数据领域的过程中，不少专家学者向《科学新闻》坦言。

时至今日，跨领域交叉科学已成为科学研究的主流，而且越来越多的重大科技突破发生在不同学科交叉的领域。但在对交叉学科的认知方面，多年来，我们并没有太大改观。

囿于传统观念与现行教育、科研体制，生物医学大数据领域的研究人员始终“寄居”在生物学、医学或者计算机等学科之下，从未找到自己应有的位置，既难以形成专业研究队伍与组织，更缺乏人才的专属培养基地与学术研究平台。

人才，永远是人才

自从人类基因组计划启动以来，以第二代高通量测序技术等为代表的各类组学技术飞速发展，推动了基因组、转录组、表观遗传组、蛋白质组等 组学数据的指数级增长。无论同意与否、接纳与否，人类已然迈入了复杂、多维的生物医学大数据时代。

然而，要从这些记录着人类生命奥秘的海量数据中提取背后隐藏的关键信息，将看似“无用”的数据转换为“有用”的知识，为人类征服多种疑难疾病提供极具价值的科学依据，仅靠 领域的科学家是根本无法完成的。

“我们希望有生物背景，兼通 或计算机科学等领域的研究人员加入进来，但很少有人能符合这个条件，所以现在招个合适的人真的太难了。”中国科学院计算生物学重点实验室生物医学大数据中心副主任张国庆向《科学新闻》道出当前的无奈。

不过，复合型人才缺口的问题并非中国特有。“我们非常需要拥有计算机技能的数据管理方面的专家。”德国癌症研究中心海德堡个性化肿瘤中心共同负责人、功能基因组学和生物信息学教授Roland Eils也曾如是表示。

据他介绍，德国癌症研究中心曾与海德堡大学合作，培训了一些信息学与数据管理方面的学生和临床医师。但遗憾的是，这类人才同样也是其他行业高薪争抢的对象。

对于高薪的诱惑力，张国庆深有同感：“在国内，互联网行业与生物医学领域的收入差别悬殊太大。”比如，以实验为主的学生毕业后的年薪可能不到计算为主的学生的一半，更远远比不上人工智能方向的学生。

“这样的差距，必然导致从事基础研究的人才大量流失。”张国庆说。

学科“画地为牢”难破除

除了“千里马”难觅，生物医学大数据领域还一直有一个无法言说的尴尬：学科布局上的“无处安放”。

比如，2002年，国际上首个生物信息学本科专业——哈尔滨工业大学生物信息学专业获批建立，该专业依托于计算机科学与技术学院；华中科技大学生物信息学专业则隶属于 与技术学院；华中农业大学的生物信息学专业则下属于信息学院。

放眼全球，情况也大抵如此。以美国为例，不少大学以生物学、生物统计学、计算机科学或生物医学信息学为依托设置专业。例如，美国优秀的文理学院代表——卡尔顿学院开设的生物信息学归属于生物学大类专业；伊利诺斯理工学院的生物信息学专业隶属于理学院；而加州大学洛杉矶分校开设的生物信息学则属于不同学科之间相互交叉的副修学习课程。

同样，相关学会也无法逃脱多处挂靠的命运。中国运筹学会计算系统生物学会、中国生物工程学会计算生物学与生物信息学专业委员会、中国计算机学会生物信息学专业委员会……这些名称无不透露出万般无奈。

“为什么生物信息学或计算生物学就必须依附在其他分支学科之下？这是不利于学科发展的。”中国科学院—马普学会计算生物学伙伴研究所所长王泽峰向《科学新闻》表示。

面对这样的质疑，就不得不说说我国20余年来几乎未变的学科划分标准。 当前，我国所使用的学科、专业范围划分依据源自1990年国务院学位委员会和国家教育委员会联合下发的《授予博士学位、硕士学位和培养研究生的学科、专业目录》。之后，虽经过1997年重新修改颁布以及1998年10月和2005年12月两次补充修订，但毕竟距离最近一次修订也有14年之久。

在科技与信息飞速发展的当下，传统的学科布局和发展定位早已跟不上新兴交叉学科发展的脚步。不仅如此，目前处于“寄居”状态下的生物信息学或计算生物学等学科，在专业课程体系设置上各有侧重，仍处于摸索阶段，在相关科学研究上也呈现形式多样、百花齐放的模式。

“每个领域的人都在做，每个领域做的路子却各不相同。”王泽峰一语中的。而且，各个领域有自己的评判标准。“我们没有自己的标准，或者我们有自己的标准，但是‘依附’的身份让我们的标准形同虚设，只能按照别人的标准行事。

” 交叉学科“语言”难交叉

交叉学科必然建立在不同学科背景科研人员的相互交流与沟通基础之上，没有交流就无法形成交叉合作。

然而，受到传统单一学科培养模式的限制，生物、医学和计算机等学科局限于各自的“语言”体系，在一定程度上制约了跨领域的合作交流。

一方面，生物医学背景的专家学者对计算领域的算法和框架等并不了解，更谈不上具备娴熟的数据处理能力；另一方面，生物医学研究中也有不少具有计算机科学和统计学背景的研究人员，他们虽然在计算机领域个个都是行家里手，但在理解生物医学领域中的专业知识和重要问题时却一脸茫然。

“计算机科学和统计学背景的研究人员就好比《007》系列电影中武器实验室中的开发人员，他们制造了十八般武器，但是007真正能用上的可能只有几件，而且有的还不是自己实验室出品的。因此，兼具生物医学知识和高性能计算技术的交叉型人才，可能在中短期内还是非常必须的。”华中科技大学 与技术学院生物信息学教授宁康告诉《科学新闻》。

不止于此，这两个领域科研人员的思维模式也大相径庭。

无论是医学基础研究，还是以循证医学为代表的临床研究，都遵循发现问题、提出科学假设、设计实验验证假说、结果分析、科学理论总结这样的基本思路，即更强调知识的“可靠”。而计算领域更多是从多维数据出发，发掘看似不相关的数据之间的内在关联，以寻求规律，进而解决传统医学无法解决的问题，甚至发现新的知识。

思维与语言体系上的局限，使生物医学与计算机领域的边界难以被打破，加之各自领域的专家学者主动走出“舒适区”的意愿不够强，自然难以做到真正意义上的合作交流。 开拓人才培养的“试验田”

工欲善其事，必先利其器。要想在生物医学大数据的海洋中遨游，必须要源源不断地输入生物医学和 兼通的复合型“舵手”。诺华生物医学研究所负责下一代诊断技术的执行总监Wendy Winckler对此有着切身的体会。

在她的实验室里，约半数的科学家具备计算机技能，另一半则具备丰富的生物学实验技能，然而最成功的人能够从事这两个领域的工作。Winckler说：“暴露在实验室环境下，能帮助计算生物学家对数据有更直观的理解，并且更便于计划测序实验；熟悉数据分析方法的实验室科学家则可以在解释结果时提出重要的见解。”

不过，这样的“幸运儿”毕竟还是少数。研究者们普遍认为，复合型人才短缺的困境短期内难以得到改变。

“一方面，现有的专家学者重新学习其他领域的知识不太现实；另一方面，学科布局上的不足导致无法实现新一代人才的专业化培养。”王泽峰表示。对此他指出，来自国家层面的顶层设计变革才是研究者们最希望看到的。 张国庆对此表示认同：“应该对学科设置作适当调整，如果不把学科立起来，就无法讨论其未来的发展问题。”

尽管现状不尽如人意，但研究者们并未失去信心。“学科分类的确到了该松松的时候了。”宁康最后指出，“只要适度打破专业限制，相信更多的复合型人才将会脱颖而出。”