消息提到，Google DeepMind 发布了 AlphaGenome Atlas，称其用 AlphaGenome 模型预计算了人类基因组全部约 90 亿个单核苷酸变异的影响，形成约 1PB 数据集，并引入 AVI 评分，通过无需编程技能的网站门户开放给临床研究人员和生物学家。对准备投科研岗或计算生物学方向的人来说，这类发布值得关注，但它本身没有说明任何招聘信息。真正要做的，是借它想清楚面试前该核查什么。 延伸阅读：广州海洋地质调查局春招：无编制？科研岗值不值得投？

先分清三类工作，别把岗位想成一种

看到“数据库发布”，容易默认相关岗位都在做模型。实际至少有三类：一是工具与模型建设，产出是预测能力本身；二是数据维护与工程，产出是数据规模、更新频率和可用性；三是下游应用，产出是用这些结果回答具体生物学问题。Atlas 是预计算数据库并给出 AVI 评分，这恰好说明前两类是不同工作。面试时可以直接问：这个岗位过去一年交付了什么，是模型迭代、数据管线，还是分析结论？三类岗位对编程、统计和领域知识的要求并不相同。

用具体场景问清团队方向

不要只问“团队做什么方向”，太容易得到笼统回答。可以拿具体场景问：团队更关注罕见病变异，还是复杂性状分析？消息提到有机构用 AVI 评分研究罕见病，也有研究者用 Atlas 分析大规模人群复杂性状数据——这两类问题的数据规模、统计方法和合作对象都不同。还可以问：结果由谁使用，是内部实验团队、临床合作方，还是外部用户？如果岗位偏应用，就要确认是否有解读和验证环节；如果偏建设，就要确认评估标准由谁定。

零编程门槛不等于岗位不要求开发

Atlas 强调无需编程技能即可使用，这说明科研岗中可能存在偏应用与解读的岗位。但这只是工具的使用门槛，不能推出岗位门槛。面试时要问清：日常工作中写代码的比例大概多少，是调包分析还是需要维护管线？如果岗位描述写“熟悉生物信息工具”，要追问具体指哪些环节。

一个实际可做的小建议：面试前把岗位描述里的动词圈出来——“构建”“维护”“分析”“解读”，它们往往对应不同的日常产出，带着这些词去提问，比问“团队氛围怎么样”更能判断是否踩坑。