在版上看了很多很有帮助的心得文，小弟想藉这个机会回馈、分享，版友有任何申请
上的问题，也都欢迎站内
[Application]
PhD in Bioinformatics / Computational Biology (2022 Fall)
Decision:
UC San Diego - Bioinformatics and Systems Biology (BISB)
Waitlist:
CMU / Pitt - Computational Biology (CPCB)
Rejection:
Harvard - Bioinformatics and Integrative Genomics (BIG)
Johns Hopkins - Biomedical Engineering
Columbia - Systems Biology
Yale - Computational Biology and Bioinformatics (CBB)
University of Washington - Genome Sciences
Stanford - Bioengineering
UPenn - Genomics and Computational Biology (GCB)
Tri-Institutional - Computational Biology and Medicine (CBM)
UMich - Bioinformatics, Biomedical Sciences (PIBS)
WashU in St. Louis - Computational and Systems Biology
[Education]
NTU MD (Sep. 2013 - Jun. 2019)
GPA 4.01 / 4.30
[Test Score]
TOFEL: 100 (R29 L26 W23 S22)
GRE: 316 (V147 Q169 AWA4.0)
[Publication]
first author * 1 (sequence binding prediction using deep learning)
co-first * 1 (database for drug repurposing using docking)
co-author * 1 (sepsis prediction using machine learning)
[LoR]
Research Advisor at NTU (research experience at AI Labs)
Research Advisor at Academia Sinica (research experience at AI Labs)
Mentor at NTU Medicine
[Working Experience]
Machine Learning Engineer, Genomics Team, Taiwan AI Labs (Jan. 2020 - )
[心得]
我的背景应该不是很典型。大学时期就对写程式很感兴趣，自学了python、machine
learning，修了一门algorithm，但没有拿任何学位，也没有在在学期间参与什么生资
研究，说来其实有点后悔，没有CS相关的学历应该是我申请的弱点之一。毕业后，因
为曾在AI Labs实习的关系，顺利的转正职成为machine learning engineer。最开始
实习是当论文标注员，很无聊那种，但我就是打着想进去学点AI的念头，硬是接下这
个工作，接着在里面幸运的找到小的ML project可以做，幸好没雷，又加上MD的背
景在医疗部门有些优势，最后顺利转正。这两年的工作经验，除了软件工程师的工作
外，其实很大一部分是在做研究，完全是在这里奠定我生资研究的基础，也是在这里
找到自己的兴趣，找到兴趣真的难能可贵。现在回想起来也是一条神秘的道路了，但
也庆幸当初有做这样的决定。
而决定要申请PhD是蛮晚的事情，大概是2021年初。那时最实际的动机是，如果想继
续在生物资讯领域发展，出国进修应该是最好甚至唯一的方式，台湾在这领域的环境
发展实在让人没有信心可以长期待下去。接下来的两三个月大概就是不断的思考自己
的职涯规划，在医师、工程师、博班之间不断来回拉扯，这种内心拉扯就不写出来见
笑了。
四月才开始着手准备，第一个准备的是GRE，虽然大部分program已经not required
或是optional了，不过考好的话应该还是加分，所以在五月底的时候考了第一次，也
是唯一一次，结果如上面所示，非常惨烈。评估后，觉得再考应该也不会好，又要多
花一两个月准备，会大大压缩后面的时程，索性放弃。而后，花了两个月的时间准备
托福，在八月考第一次，勉强达标。一直以来英文都不是强项，继续奋战下去效益也
不高，决定各种考试就在这边收手。
接着准备SOP、找老师写推荐信、研究学校跟PI，弄一弄，两个月又过去了，把申请文
件都搞定大概已经是十一月的事了。研究PI是一个必经但非常累人的过程，前前后后
说看了数百个PI一点也不夸张，蛮常看到头昏眼花，然后又重新研究，囧。会建议先
有几个大方向当filter，然后果断忽略不符合的PI，像我自己就是machine learning
、cancer、immunology、gene regulation（这个范围还是很海，哈哈），剩下的才去
看google scholar确定近几年的研究方向是不是自己想要的（要看PI是不是
corresponding author或是first author是lab成员），最后希望要申请的学校至少有
三个感兴趣的PI。这过程真的很累，但收获也真的不少，一方面增广见闻，会常常发
现，哇！原来某某工具、某某方法是这个实验室做出来的（之前就是见识浅薄，都不
知道，哈哈），另一方面也可以更确立自己的研究兴趣，真的有兴趣的PI、研究才会
有看下去的动力。PI的喜好程度大概等同于我选校的前后依据，当然，还是会有名校
迷思，投了不少常春藤，不过后续也没这个烦恼就是了。
SOP的话，我写的脉络大概是：
- 申请PhD的动机：搭配我MD的background以及machine learning的工作经验，我主轴
放在用machine learning分析大量的生医资料来找disease mechanism跟personal
treatment，进一步实现precision medicine，当中也提到我毕业后转换跑道的决心
- 研究经验：重点放在我first author的研究，内容涵盖了bioinformatics跟deep
learning，跟我申请的program以及动机蛮契合的
- 未来研究方向：再次强调我想用machine learning解生物医学问题的主轴，并专注
在我前面提到的研究经验的延伸。这边我写得蛮明确的，加上研究领域是相对少用
machine learning的cancer immunology，不确定有没有影响到我的机会
- 选择学校的原因：这边其实就是公定版，不外乎列出几个喜欢的教授，想跟他们合
作的研究，以及学校的特色
在申请开放之后，大概是十月份，我才开始想，是不是可以来弄个套词，不得不说反
应其实有点慢。这边我就没有海投了，只找了几个跟我想做的领域很相近的教授，我
会很仔细的了解教授的研究内容，信中提到喜欢他们研究的哪些点，然后跟自己原本
的研究做连结，并进一步表示自己如果有机会，想跟他们合作什么内容。一共丢了三
封吧，其中有两封有回应，甚至一封就是来自UCSD，我想，仔细研究过的套词还是有
帮助的。
最后，等待放榜的过程真的煎熬，这个结果可以说是单吊UCSD了，也是唯一有面试的
。也因为是单吊，实在不知道这个经验套用起来是好是坏，但还是提出我的一些想法
、过程给大家参考，有任何问题都欢迎站内询问。衷心感谢申请路上帮助过我的亲朋
好友，并祝福将要踏上申请之路的人们。