Re: [問題] 有沒有人的研究和計算生物學/神經科學꘠…
難得可以回一下文...
小弟是做electrophysiology的
對於computational neuroscience曾有一點點的接觸
也曾經因為興趣,自己嘗試摸索過NEURON這套軟體
不過小弟對數學跟程式方面比較弱,後來還是選擇站在"欣賞"的角度來看這領域...
曾經在一些conference上接觸到這方面的人,也跟他們聊過類似的問題
因為我自己是實做派的,我也會去質疑model做出來的東西其實是比較理想化的數據
而並不一定可以反應真實的情形
經過討論後,就我所理解,並非每個做model的人都覺得自己做出來的才是真的
大部分的人都能夠了解到自己的東西是比較理想化的結果
也認為可能做出來的某些結果需要實際的實驗去驗證
那為什麼還會有這領域存在呢?
事實上,因為很多東西可能在實驗設計上有些困難,造成真的實驗很難做
(1) 以我自己電生理領去來講,
例如太小的細胞(ex. glia)不好直接做電生理紀錄
(雖然現在已經有很多實驗室可以做到axonal recording了,
但畢竟入門的門檻相對於whole-cell來講,還是比較高,也不是每個實驗室都做的起來)
或可能因為細胞的性質,致使離體或是上針之後活性不好維持
或是像現在的紀錄技術雖然可以同時紀錄到突觸前後的兩個細胞,
但一下子想要觀察多個細胞的interaction,仍有實驗上的困難
在很多現階段實驗技術無法滿足的情況下,還是需要一些modeling的東西來彌補
(2) 或是說在做篩選時(例如藥物或蛋白質的篩選),
雖然有些實驗很簡單都可以直接做的到,但是選擇太多,
你可能必須從成千上萬的選擇中,去找出最有機會的前幾%,再去進行真正的實驗,
所以也是需要先用計算的方式做初步的選取...
(3) 像原文說到的MRI等,在實際上,或許T數不夠,sample太小,造成影像的resolution不足
有些東西觀察不易,MRI在這方面也不是萬能的...
例如我們之前做DSI(diffusion spectrum image)觀察fiber tract crossing
那時算是草創階段,一顆成鼠腦需要花10幾個小時去scan,
還常會因為vibration造成信號模糊掉...其實任何實驗,都還是有些不足的地方...
在實驗上那些不足的地方,有時候就需要用modeling來幫忙補充...
以上這些舉例,都是computational neuroscience可能可以使上力的地方
如果在某個程度範圍內,modeling的東西可以match真實實驗情形
那就有機會用這個model去推測一些實驗比較觀察不到的情形
當然不見得一定正確,但是至少可以提供正式實驗前的一個參考
或是在實驗做不到的情況下,提供說明及討論的空間
現在其實有很多做modeling的,還是想要找真正electrophysiology的合作
在可以驗證的範圍內,先去驗證他們的東西是否屬實,再去做更深入的推估...
所以個人覺得既然這個領域也存活了一段時間,畢竟多少還是有他存在的意義的
如果真的沒用的話,也不會一直發展下去
或許未來某一天,我們在設計實驗之前,都得先去database比對simulation的結果
實驗設計符合裡面的邏輯,才能繼續做下去...XD
當然我個人還是比較喜歡實戰啦,但是在實戰前先告訴我哪些東西是比較不可能做到的
也算是多一些有幫助的情報囉...
以上,小弟對於這領域了解僅止於此,有不足或錯誤的地方還請大家一起補充...:)
※ 引述《onehundred (Liang-Hui)》之銘言：
: 小弟最近做第二個rotation
: 題目有關computational neuroscience
: 學習如何從spike activity
: 解讀腦科學和神經科學
: 我做得很有興趣
: 但是...
: 我一直覺得這種計算生物學/系統生物學/計算神經科學
: 充滿了太多的"假設"
: 光是一開始程式的假設參數 就可以嚴重影響結果
: 通常都是不斷強調自己的algorithm多麼好
: 事實上心知肚明 很多都是optimized後的結果
: 論文比較 因為方法不同 根本比不出所以然
: 我嚴重懷疑這類的博士 業界真的有興趣嗎?
: 我想問問不管是純生物 或者醫學類 或者工學院的人
: 這方面paper很多
: 標榜數學模型應用在生物上 琳瑯滿目
: 蛋白質結構預測,基因調控網路,
: 或者是心臟數學模型 離子在細胞膜進出的數學模型
: 甚至是用控制 或者其他的工程方法 想證明可以用在生物
: 很多假設性的模擬 來自於MRI影像 micorarray data
: 那還不如好好學醫學影像 或者生物統計...
: 有沒有人和我有一樣的想法?
: 雖然我幾個月就有poster (基本上做計算的發paper快些)
: 但我嚴重懷疑這條路是走不出學術的
: 還不如多學生物統計
: 或者工學院的machine learning等其他課
: 謝謝,理性討論勿戰 :)
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 59.126.124.131
※ 編輯: insitu 來自: 59.126.124.131 (03/28 23:47)
討論串 (同標題文章)
本文引述了以下文章的的內容：
完整討論串 (本文為第 3 之 3 篇)：