在版上看了很多很有幫助的心得文，小弟想藉這個機會回饋、分享，版友有任何申請
上的問題，也都歡迎站內
[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]
我的背景應該不是很典型。大學時期就對寫程式很感興趣，自學了python、machine
learning，修了一門algorithm，但沒有拿任何學位，也沒有在在學期間參與什麼生資
研究，說來其實有點後悔，沒有CS相關的學歷應該是我申請的弱點之一。畢業後，因
為曾在AI Labs實習的關係，順利的轉正職成為machine learning engineer。最開始
實習是當論文標注員，很無聊那種，但我就是打著想進去學點AI的念頭，硬是接下這
個工作，接著在裡面幸運的找到小的ML project可以做，幸好沒雷，又加上MD的背
景在醫療部門有些優勢，最後順利轉正。這兩年的工作經驗，除了軟體工程師的工作
外，其實很大一部分是在做研究，完全是在這裡奠定我生資研究的基礎，也是在這裡
找到自己的興趣，找到興趣真的難能可貴。現在回想起來也是一條神秘的道路了，但
也慶幸當初有做這樣的決定。
而決定要申請PhD是蠻晚的事情，大概是2021年初。那時最實際的動機是，如果想繼
續在生物資訊領域發展，出國進修應該是最好甚至唯一的方式，台灣在這領域的環境
發展實在讓人沒有信心可以長期待下去。接下來的兩三個月大概就是不斷的思考自己
的職涯規劃，在醫師、工程師、博班之間不斷來回拉扯，這種內心拉扯就不寫出來見
笑了。
四月才開始著手準備，第一個準備的是GRE，雖然大部分program已經not required
或是optional了，不過考好的話應該還是加分，所以在五月底的時候考了第一次，也
是唯一一次，結果如上面所示，非常慘烈。評估後，覺得再考應該也不會好，又要多
花一兩個月準備，會大大壓縮後面的時程，索性放棄。而後，花了兩個月的時間準備
托福，在八月考第一次，勉強達標。一直以來英文都不是強項，繼續奮戰下去效益也
不高，決定各種考試就在這邊收手。
接著準備SOP、找老師寫推薦信、研究學校跟PI，弄一弄，兩個月又過去了，把申請文
件都搞定大概已經是十一月的事了。研究PI是一個必經但非常累人的過程，前前後後
說看了數百個PI一點也不誇張，蠻常看到頭昏眼花，然後又重新研究，囧。會建議先
有幾個大方向當filter，然後果斷忽略不符合的PI，像我自己就是machine learning
、cancer、immunology、gene regulation（這個範圍還是很海，哈哈），剩下的才去
看google scholar確定近幾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成員），最後希望要申請的學校至少有
三個感興趣的PI。這過程真的很累，但收穫也真的不少，一方面增廣見聞，會常常發
現，哇！原來某某工具、某某方法是這個實驗室做出來的（之前就是見識淺薄，都不
知道，哈哈），另一方面也可以更確立自己的研究興趣，真的有興趣的PI、研究才會
有看下去的動力。PI的喜好程度大概等同於我選校的前後依據，當然，還是會有名校
迷思，投了不少常春藤，不過後續也沒這個煩惱就是了。
SOP的話，我寫的脈絡大概是：
- 申請PhD的動機：搭配我MD的background以及machine learning的工作經驗，我主軸
放在用machine learning分析大量的生醫資料來找disease mechanism跟personal
treatment，進一步實現precision medicine，當中也提到我畢業後轉換跑道的決心
- 研究經驗：重點放在我first author的研究，內容涵蓋了bioinformatics跟deep
learning，跟我申請的program以及動機蠻契合的
- 未來研究方向：再次強調我想用machine learning解生物醫學問題的主軸，並專注
在我前面提到的研究經驗的延伸。這邊我寫得蠻明確的，加上研究領域是相對少用
machine learning的cancer immunology，不確定有沒有影響到我的機會
- 選擇學校的原因：這邊其實就是公定版，不外乎列出幾個喜歡的教授，想跟他們合
作的研究，以及學校的特色
在申請開放之後，大概是十月份，我才開始想，是不是可以來弄個套詞，不得不說反
應其實有點慢。這邊我就沒有海投了，只找了幾個跟我想做的領域很相近的教授，我
會很仔細的了解教授的研究內容，信中提到喜歡他們研究的哪些點，然後跟自己原本
的研究做連結，並進一步表示自己如果有機會，想跟他們合作什麼內容。一共丟了三
封吧，其中有兩封有回應，甚至一封就是來自UCSD，我想，仔細研究過的套詞還是有
幫助的。
最後，等待放榜的過程真的煎熬，這個結果可以說是單吊UCSD了，也是唯一有面試的
。也因為是單吊，實在不知道這個經驗套用起來是好是壞，但還是提出我的一些想法
、過程給大家參考，有任何問題都歡迎站內詢問。衷心感謝申請路上幫助過我的親朋
好友，並祝福將要踏上申請之路的人們。