生物计算工程师

生物计算工程师
生物医学与人工智能交叉领域，利用多组学数据解读生命规律，构建面向药物发现的下一代AI大模型。将高通量生物数据与前沿AI技术（如Transformer、LLM、Agent） 深度融合，在肿瘤生物学、免疫治疗、精准医学等领域实现从科学发现到药物靶点落地的全链条创新。
核心职责
1. AI驱动的生物信息学分析
主导并创新多组学数据（全基因组、转录组、单细胞、空间组学、蛋白质组、代谢组）的分析策略与流程。
运用机器学习、深度学习及统计学方法，从海量生物数据中挖掘疾病分子分型、生物标志物及耐药机制等关键生物学洞察。
2. 生物医学大模型的研发与优化
设计、预训练及微调面向生物序列（蛋白质、DNA/RNA、氨基酸）和生物医学知识的大语言模型。
深入探索并应用Transformer、LLM、Agent等架构，解决靶点发现、蛋白质设计、药物-靶点相互作用预测等核心问题。
构建并维护高效的AI研发生物计算平台与工具链。
3. 端到端的科研与AI项目领导
独立或协作主导从生物学问题定义、数据获取与处理、模型架构设计、算法训练优化，到结果生物学验证与高水平论文/专利产出的完整流程。
与湿实验团队紧密合作，为AI模型预测提供实验验证设计，并基于实验结果迭代优化模型。
4. 资源整合与创新
熟练管理和挖掘各类生物数据库（如TCGA, Ensembl, NCBI, PDB, UniProt），并将其转化为模型训练与分析的宝贵资源。
持续跟踪并评估生物信息学与AI领域的前沿算法与技术，推动其在团队内的应用。
岗位要求：
1.生物信息学、计算生物学、计算机科学、人工智能或相关领域的博士学历（或硕士拥有突出项目经验的优秀候选人）。
2.有协助主要研究者（PI）在高水平期刊（如Nature, Science, Cell系列） 上发表论文的经历优先。
3.有制药或生物技术公司直接支持药物研发项目的AI/生信经验优先。
4.海内外实验室或工业界研究院的深造或工作经历优先。
5.技术能力：
- 生物信息学：
精通：Python、R编程语言及生物信息学常用库（如Bioconductor, Scanpy, Seurat）。
精通：高通量测序数据分析（WGS, WES, RNA-seq, scRNA-seq, ATAC-seq等）的全套流程与方法学。
深入理解：多组学整合分析、肿瘤生物学、免疫学等相关领域的生物学知识。
- 人工智能/机器学习：
精通：PyTorch或TensorFlow深度学习框架。
深入理解：Transformer架构的底层原理，并具备大语言模型的预训练或微调实战经验。
有AI技术应用于蛋白质、氨基酸等生物分子数据的实际项目经验。
对LLM Agent、生成式AI、几何深度学习等前沿方向有探索和实践。
6. 综合素质
具备强大的自主学习、解决问题和跨学科沟通能力。
拥有出色的科学洞察力，能够提出创新的、可验证的科学假设。