看到了香港多个媒体报道了这一笔拨款，就是今天（ 2024年2月16日 星期五）的资讯，因为是繁体字，香港政府拨款60亿，这个资助将会聚焦包括細胞和基因治療、生物訊息學和生物學、生物醫學工程等前沿主題。
我查了查繁体字里面的生物訊息學，就是我们通常所认知的生物信息学：
香港的生物信息学力量如何
香港大学还有这个理學士（生物訊息學）的本科招生，學制是4年，该专业的簡稱BSc(Bioinformatics)，每年收生名額只有15个，属于李嘉誠醫學院，详见：https://admissions.hku.hk/zh-hant/programmes/undergraduate-programmes/bachelor-of-science-bioinformatics
另外，就是香港中文大学（深圳）医学院生物信息学本科专业获评2023中国五星级专业，授课内容主要是：
普通生物学
普通化学
计算机科学导论：程序设计方法
计算机实验
微积分（一）
微积分（二）
线性代数
力学
概率及统计（一）
必修课程
计算生物学
生物信息学
计算基因组学和蛋白质组学
计算生物学中的机器学习
生物信息算法设计及分析
细胞与分子生物学
生物化学
综合生物学实验
遗传学
生物物理化学
值得注意的是，还有香港中文大学（深圳）授课型硕士研究生专业介绍—生物信息学硕士，就是学费有点贵！
香港的生物信息学就业机会如何
那么，问题来了，在香港学了生物信息学后，是否有就业机会呢？
那就不得不提香港科技园公司（香港科技园、HKSTP）啦，它是中华人民共和国香港特别行政区政府设立的法定机构，于2001年5月7日正式开始运作，取代了之前的香港工业邨公司、香港工业科技中心公司及临时香港科学园有限公司。负责规划及管理科学园、创新中心和工业邨，致力营造富有活力的创新及科技生态圈，培育科技人才和促进交流协作，带动创新发展，为香港以至整个区域创造社会和经济效益。
目前，香港科技园园区内有超过 1100间初创及科技企业，来自超过22个国家和地区，企业数目增长超过40%。香港科技园公司成立20年，建立了全香港最大科研社群，超过17000人在园区工作，其中研发人员超过11000人。香港科技园公司也培育出多家香港本地独角兽企业，如已经上市的商汤科技和独角兽企业货拉拉、思谋科技。此外，还有Geek+ 和 Nium 等国外独角兽也在2021年加入，来自内地的独角兽企业云豹智能，也在2022年八月正式进驻科学园发展蓬勃的创科生态圈。
如果要香港的企业需要生物信息学人才
近五年来，我们一直在做生物信息学人才对接，主要是给各个课题组或者公司发招聘信息。没有任何一个药企找到我们来做招聘，哪怕是联系我内推的都没有，也很少听说过咱们生物信息学工程师去药企工作的。这一点还蛮有意思的，都说测序技术以及它衍生出的生物信息学数据处理变革了生命科学领域的传统实验研究，但是药企这么大一块蛋糕，生信居然无法切入。是理想与现实的天然差距吗？
而且也没有香港的企业找到我们，可能是因为我们的不够开放？之前都是让大家发邮件给我招聘信息，我来安排秘书去编辑后发布，中间有三个环节了。如果是有香港的企业，欢迎直接添加我微信咱们约等于沟通招聘需求，点对点推荐生物信息学人才给贵公司哈！
普通生命科学领域小伙伴如何转生物信息学方向呢
众所周知，生命科学领域底层实验技能如此烂大街，而且几乎是没有门槛，大家看看自己学校单位的那些五六十岁的技术人员就明白了。
其实生命科学领域确实是有一些技术是有门槛的，比如生物信息学数据分析，再怎么强调生物信息学数据分析学习过程的计算机基础知识的打磨都不为过，我把它粗略的分成基于R语言的统计可视化，以及基于Linux的NGS数据处理：
把R的知识点路线图搞定，如下：
- 了解常量和变量概念
- 加减乘除等运算（计算器）
- 多种数据类型（数值，字符，逻辑，因子）
- 多种数据结构（向量，矩阵，数组，数据框，列表）
- 文件读取和写出
- 简单统计可视化
- 无限量函数学习
Linux的6个阶段也跨越过去 ，一般来说，每个阶段都需要至少一天以上的学习：
- 第1阶段：把linux系统玩得跟Windows或者MacOS那样的桌面操作系统一样顺畅，主要目的就是去可视化，熟悉黑白命令行界面，可以仅仅以键盘交互模式完成常规文件夹及文件管理工作。
- 第2阶段：做到文本文件的表格化处理，类似于以键盘交互模式完成Excel表格的排序、计数、筛选、去冗余、查找、切割、替换、合并、补齐，熟练掌握awk、sed、grep这文本处理的三驾马车。
- 第3阶段：元字符，通配符及shell中的各种扩展，从此linux操作不再神秘！
- 第4阶段：高级目录管理：软硬链接，绝对路径和相对路径，环境变量。
- 第5阶段：任务提交及批处理，脚本编写解放你的双手。
- 第6阶段：软件安装及conda管理，让linux系统实用性放飞自我。
能走到这个底层编程思维的熟练掌握的就已经是不足百分之一了，更何况这些编程基础仅仅是万里长征第一步，后面还有海量的ngs多组学实战。我们拿其应用最广泛的两个案例：
- 表达量芯片，转录组测序，单细胞转录组
- geo和tcga等公共数据库的活学活用
我们也是经常针对这两个应用最广泛的数据分析案例给出来练习题，理论上完成了下面的任务就代表你是一个合格的生信游民啦！
- chatGPT只能给你提示没办法代替你解决单细胞报错
- 单细胞水平什么程度的表达才算是阳性呢
- 新冠病毒感染引起的急性呼吸窘迫综合征患者外周血有问题吗
- 如果只想知道细胞亚群比例变化无需单细胞转录组测序
- 基因是否具有单细胞亚群特异性居然是靠肉眼看
- 单细胞亚群细分这样弄可能不妥
有这样的能力你还不能找到工作算我输，你找我来要说法！