Otwórz dowolny wakat w bioinformatyce, a znajdziesz tę samą listę. Mocne programowanie, statystyka, budowanie pipeline'ów, infrastruktura chmurowa i głębokie zrozumienie odpowiedniej biologii, najlepiej z doświadczeniem dziedzinowym w tym, czym firma się zajmuje.
Taka osoba istnieje. Nie ma jej wiele, jest droga i już ma pracę.
Ogłoszenie, które nie opisuje nikogo
Powodem, dla którego wakat pozostaje otwarty, jest to, że to dwie kariery w jednym ogłoszeniu.
Zbudowanie kompetentnego informatyka zajmuje lata. Zbudowanie kompetentnego biologa zajmuje lata. Organizacje piszą ogłoszenie wymagające obu i traktują wynikającą stąd trudność jako niedobór na rynku.
Rola wymagająca dwóch pełnych karier to nie jest problem rekrutacyjny. To problem projektowania stanowiska, i zwykle rozwiązuje się go na schemacie organizacyjnym, nie na rynku.
To najwyraźniejszy przypadek w domenie biotechnologii diagnostyki obowiązującej w całej sekcji Future Industries: zanim uznasz, że brakuje ludzi na rynku, sprawdź, czy wymóg da się w ogóle obsadzić w takiej formie, w jakiej został zapisany.
Co obejmuje ten kierunek
Zakres: odczytywanie genomów, sekwencji i białek na dużą skalę, dane biologiczne i modelowanie obliczeniowe.
Konkretnie, cztery warstwy.
Analiza sekwencji. Wyrównywanie, składanie, wywoływanie wariantów, adnotacja. W dużej mierze ustandaryzowane, mocno wyposażone w narzędzia, i tu leży większość rutynowej pracy.
Statystyka dla danych biologicznych. Co jest osobnym problemem. Zbiory danych biologicznych są szerokie i płytkie, z dużo większą liczbą mierzonych cech niż próbek, co łamie intuicje ludzi wyszkolonych na konwencjonalnych danych. Wielokrotne testowanie, efekty partii i konfundowanie to standardowe pułapki.
Obliczenia strukturalne i białkowe. Modelowanie struktury i interakcji, obszar, który znacząco się zmienił w ostatnich latach i wciąż się porusza.
Pipeline'y i infrastruktura. Sprawienie, żeby analiza działała powtarzalnie, na skalę, z zapisanymi wersjami. Mniej efektowne i bardziej decydujące niż cokolwiek powyżej.
Dwie drogi wejścia i co każda z nich robi źle
Z informatyki w stronę biologii. Przychodzi z umiejętnością pisania niezawodnego kodu, obsługi skali, właściwego korzystania z kontroli wersji i budowania działającego pipeline'u. Tryb awarii to wytworzenie technicznie poprawnego wyniku, który jest biologicznie bez sensu, i brak wewnętrznego alarmu, że to się stało. Efekty partii interpretowane jako sygnał biologiczny to klasyczny przykład, i to nie jest błąd programistyczny.
Z biologii w stronę informatyki. Przychodzi z umiejętnością oceny, czy wynik ma sens, czego nie da się zautomatyzować. Tryb awarii to analiza istniejąca jako folder skryptów, których nikt inny nie potrafi uruchomić, z nieudokumentowanymi ręcznymi krokami, działająca raz i nie do odtworzenia.
Obie są realne i obie są nauczalne. Druga droga jest zwykle krótsza, z powodu wartego wprost nazwania: osąd biologiczny buduje się dłużej niż dyscyplinę inżynierską, więc zaczynając od osoby, która już ma tę pierwszą rzecz, szkoli się tę szybszą połowę.
To stoi w sprzeczności z instynktem, żeby zatrudnić inżyniera oprogramowania i nauczyć go trochę biologii, co jest podejściem częstszym i wolniejszym.
Gdzie to się mieści w domenie
Bioinformatyka i biologia obliczeniowa to piąty z dziesięciu kierunków w domenie biotechnologii Astra Trainer, i jest tym najczęściej planowanym w połączeniu z innymi, zwykle z genetyką i genomiką po stronie biologicznej.
Dla partnerów szkolących biologów w stronę pracy obliczeniowej, domena AI, danych i informatyki obejmuje osiem kierunków, w tym informatykę, inżynierię oprogramowania, data science i analitykę oraz cloud computing i DevOps – stamtąd pochodzi połowa inżynierska. To zestawienie międzydomenowe to jeden z częstszych kształtów programu. Zobacz kierunki biotechnologii tutaj.
Warstwa, której nikt nie budżetuje
Odtwarzalność i inżynieria danych. To nudne, tu po cichu idą pieniądze, i niemal nigdy nie ma tego w planie kadrowym.
Objawy są spójne między organizacjami.
Analizy nie da się uruchomić ponownie. Osoba, która ją zrobiła, odeszła, środowisko się zmieniło, a wynik leżący u podstaw decyzji nie da się odtworzyć. W kontekście regulowanym to poważny problem, nie niedogodność.
Danych nie da się znaleźć. Wyniki sekwencjonowania narastają bez spójnych metadanych, więc zbiory danych sprzed dwóch lat są praktycznie utracone, wciąż zajmując przestrzeń rozliczaną co miesiąc.
Koszty obliczeń rosną bez wyjaśnienia. Wydatki na chmurę, których nikt nie jest właścicielem, napędzane pipeline'ami, które nigdy nie zostały zoptymalizowane, bo nikt nie był za to odpowiedzialny.
Każdy projekt buduje to samo od nowa. Brak wspólnych narzędzi, więc każdy naukowiec pisze własną wersję tej samej analizy, nieco inaczej.
To wszystko problemy inżynierii danych, i rozwiązują je ludzie z zapleczem programistycznym i infrastrukturalnym, nie zatrudnienie kolejnego biologa obliczeniowego. Organizacje, które rozpoznają to wcześnie, wydają znacznie mniej w perspektywie pięciu lat.
Role, podzielone właściwie
Praktycznym ruchem jest przestać próbować zatrudnić jedną osobę i zdefiniować trzy.
| Rola | Czym się zajmuje | Szkolona z |
|---|---|---|
| Analityk bioinformatyczny | Uruchamia ustalone pipeline'y, interpretuje wyniki, pracuje z naukowcami nad konkretnymi pytaniami | Biolodzy, personel laboratoryjny, technicy genomiki |
| Inżynier bioinformatyczny | Buduje i utrzymuje pipeline'y, infrastrukturę, odtwarzalność i kontrolę kosztów | Inżynierowie oprogramowania, inżynierowie danych, infrastruktura IT |
| Biolog obliczeniowy | Rozwój nowych metod, modelowanie, praca na poziomie badawczym | Długa droga, naprawdę rzadki, zatrudniaj tam, gdzie niezbędny |
Większość organizacji potrzebuje wielu przedstawicieli pierwszej roli, kilku drugiej i bardzo niewielu trzeciej. Większość ogłoszeń opisuje trzecią i oczekuje, że zrobi to wszystko.
Podzielenie roli robi dwie rzeczy naraz. Czyni stanowiska obsadzalnymi z populacji, którą już masz, i powstrzymuje drogich, doświadczonych ludzi od spędzania czasu na utrzymaniu pipeline'ów.
Tam, gdzie dotyka tego regulacja. Bioinformatyka wspierająca diagnostykę kliniczną, zgłoszenia regulacyjne lub środowiska GxP niesie wymagania walidacji, kontroli wersji i audytu, wykraczające daleko poza dobrą praktykę naukową. Pipeline produkujący wyniki kliniczne to system regulowany. Szkolenie buduje zarówno kompetencję obliczeniową, jak i świadomość, że ta granica istnieje, a specyficzna dla miejsca walidacja i kwalifikacja pozostają osobnymi obowiązkami.
Zbudować, zamiast kupować
Praktyczna kolejność dla organizacji, które uznały, że nie wyjdą z tego przez rekrutację.
Zacznij od biologów, którzy już robią analizę, tylko słabo. Większość grup badawczych ma kogoś, kto nauczył się na tyle skryptowania, żeby sobie radzić. Mają osąd dziedzinowy i samouczkowe nawyki, które się nie skalują. Uporządkowane szkolenie przekwalifikowuje ich szybciej niż kogokolwiek innego dostępnego, i już znają dane organizacji.
Wprowadź kompetencję inżynierską osobno. Z własnej funkcji programistycznej lub IT, jeśli istnieje. Nie potrzebują głębokiej biologii, żeby budować niezawodną infrastrukturę, a udawanie inaczej opóźnia zatrudnienie bez końca.
Traktuj odtwarzalność jako wymóg od początku. Dobudowanie jej później jest znacznie droższe niż zbudowanie od razu, a moment, w którym ludzie ją zauważają, jest zwykle momentem, w którym jest najdroższa.
Utrzymuj to ciągłe. Narzędzia i metody w tej dziedzinie zmieniają się szybko, więc jednorazowy kurs szybko się dezaktualizuje. To jeden z obszarów, w których krótka, ciągła nauka naprawdę przewyższa wydarzenie, z tych samych powodów opisanych w artykule o mikrolearningu.
Co z tego wynieść
Typowe ogłoszenie o pracę w bioinformatyce żąda dwóch karier, a potem obwinia rynek.
Obie drogi wejścia mają charakterystyczną awarię, a droga z biologii do informatyki jest zwykle krótsza, bo połowa dotycząca osądu buduje się dłużej niż połowa inżynierska.
Odtwarzalność i inżynieria danych to niebudżetowana warstwa, a koszt jej pominięcia przychodzi jako utracone dane, nieodtwarzalne analizy i rachunki za chmurę, których nikt nie jest właścicielem.
Podziel rolę na analityka, inżyniera i biologa obliczeniowego. Większość organizacji potrzebuje wielu pierwszych, kilku drugich i niemal żadnych trzecich.
I zacznij od biologa, który już nauczył się sam skryptować. To najszybsze przekwalifikowanie, jakie masz w budynku.
Dlaczego tak trudno zatrudnić do bioinformatyki?
Bo typowe ogłoszenie wymaga mocnego informatyka, który jest jednocześnie pracującym biologiem. To dwie kariery, a niedobór to częściowo problem projektowania stanowiska, nie rynku pracy.
Łatwiej nauczyć biologa kodować, czy programistę biologii?
Zwykle biologa, bo osąd biologiczny buduje się dłużej niż dyscyplinę inżynierską. Szkolenie osoby, która ma już tę wolniejszą połowę, oznacza uczenie tej szybszej.
Co pomija się w planach kadrowych dla bioinformatyki?
Inżynierię danych i odtwarzalność. Koszty przychodzą później jako analizy, których nie da się uruchomić ponownie, dane, których nie da się znaleźć, i wydatki na obliczenia, których nikt nie jest właścicielem.
Jak powinna być zbudowana ta rola?
Jako trzy role: analityk, inżynier i biolog obliczeniowy. Większość organizacji potrzebuje wielu analityków, kilku inżynierów i bardzo niewielu tych trzecich, a zatrudnienie jednej osoby do wszystkich trzech to powód, dla którego wakat pozostaje otwarty.
Gdzie to się mieści w domenie?
Piąty z dziesięciu kierunków w domenie biotechnologii Astra Trainer, często łączony z genetyką i genomiką albo z kierunkami z domeny AI, danych i informatyki dla połowy inżynierskiej. Zobacz je tutaj.