De waarheid is dat de meeste programmerende biologen een mengeling van de twee disciplines zijn.
Bij het aannemen van personeel voor een kleine afdeling of een startup wordt het onderscheid tussen deze twee karikaturen erg belangrijk. Sommige mensen zullen vooral in het veld zitten voor de biologie, en zullen verstikken wanneer ze onder druk worden gezet om een instrument te ontwikkelen voor gebruik door een team. Anderen zullen de kans grijpen om zoiets te schrijven. Elke groep heeft beide nodig. Denk aan de huidige behoeften; zal deze persoon een pijplijn bouwen die steeds opnieuw zal worden gebruikt? Of zal hij bepaalde varianten onderzoeken, of bepaalde samengestelde antwoordprofielen? Door de juiste persoon op de functie af te stemmen, bent u verzekerd van een tevreden werknemer en een hoge productiviteit.
Uitzoeken wat voor achtergrond en voorkeuren iemand heeft, kan zo simpel zijn als het hem vragen. Hun cv of LinkedIn-profiel kan ook aanwijzingen geven. Iemand die op software is gericht, zal meestal een of meer grote, open-source bioinformaticasoftwaretools prominent op de lijst hebben staan. Hun referentielijst kan een paar papers bevatten waarin dit project wordt beschreven en anderen (mogelijk vele anderen) die dat tool gebruiken. Iemand die gericht is op manuscripten zal niet zo snel een belangrijk segment van zijn cv hebben dat gereedschap bouwt. In plaats daarvan zullen ze een reeks biologie- of datasetgerichte projecten vermelden, met manuscripten die elk beschrijven.
Data Science
Maar waar past data science in dit alles? Dat is in ieder geval eenvoudig; bio-informatica/computationele biologie is gegevenswetenschap met een biologie-toepassing, net zoals computationele scheikunde gegevenswetenschap voor de scheikunde is. Natuurkundigen zijn er al achter dat ze allemaal gegevenswetenschappers zijn, dus er is geen behoefte aan een naam voor hen buiten “natuurkundige”. Ik hoop dat wij in de toekomst hetzelfde zullen doen en ons gewoon “biologen” zullen noemen.
-Eleanor