候......
“殊不知，生命科学早就今非昔比了”
“比如2012年左右开始火的大数据，就是生命科学在08年开始的测序技术飞跃推动的
此外AI，machinelearning，遗传算法，哪一个不是生命科学带起来的？
我从科大少年班开始学习大数据的分析，11年开始接触AI和machinelearning，这些都是在生命科学专业的专业课程里学的
而这些概念是什么时候火的？——最少往后三年！”
写到这儿
青年的情绪也逐渐有些被调动起来了，写出的字迹也不由深刻了几分：
“目前来说，整个生物圈最大的问题就是卷”
“这就像是抽奖，抽奖不需要智力，谁都能上，只需要钱和劳力，于是大家就卷吧”
“大家知道的的很可能会中奖的号码就这么几组，于是经常出现多个课题组试图抽取同一个号码的情况”
“先抽到的就占先机，然后就开始拼速度，学生干活干到11点，周末不休息；
学生把结果发给导师，导师半夜爬起来审核提交”
“宁可把自己辛苦得到的抽奖号码送到垃圾期刊那里发布，也要快对手一步”
“于是乎，名校教授、作品等身的研究者，因为抽奖先后次序的争议打得天昏地暗，体面尽失”
写着写着，青年忽然回过了神：
这可是自己博士答辩的材料，后半部分显然是不能出现在那种场合的
于是他摇了摇头，将这部分的文稿从字体中心划了个长横
与此同时，青年不远处的书桌上忽然传来了椅子磕碰的声音
青年此时思路已断，便下意识的抬头望去
发现原来是一对已经完成学习的狗...咳咳，小情侣离开座位时传来的响动
青年忽然想到了自己的纸片人老婆，今晚是去找蒂法还是爱丽丝呢？
随后他回过神，轻轻甩了甩头，继续写道：
“当然了，就目前而言，生物这个领域距离标准的爆发可能还有一定距离”
“一个像计算机那样爆发的学科有什么条件呢？”
“我认为是有三个前提：
1.低成本开发
2.高容错让开发人员能快速立项并迭代
的商业模型”
”而很遗憾的是，目前生物相关的产业并不具备该条件
“比如转基因的作物需要极高的研发成本——类似Monsanto的巨型筛选机器，且容错率低，一个花粉飘出去就不得了”
“又比如新药研发成本高，容错率同样低的离谱，FDA因为各种内在外在的原因要求严格”
“这就导致了生物的创业对资源的依赖性高且推进速度慢，很难产生爆发”
写完这些，青年深吸一口气，总结道：
“但是我认为，这些难关终有一天将会被克服！”
“我敢笃定，21世纪，依旧将是生物的