AI抗体发现负责人

薪资根据工作经验及能力可面议
岗位职责：
1. 负责AI抗体发现整体落地路线
（1）制定公司AI抗体发现从0到1的落地计划，包括数据策略、模型路线、实验验证闭环；
（2）明确阶段性目标：比如“3个月内形成可输出候选抗体的端到端流程”“在3个靶点上完成从靶点到候选分子的AI驱动试跑”。
2. 搭建并持续优化“数据–模型–实验”闭环
（1）规划和建设用于抗体发现的核心数据资产：公共数据库（PDB/SAbDab/IMGT/UniProt 等）、内部测序与筛选数据、功能表型数据等；
（2）带领建立模型训练与验证管线：包括抗体序列生成、结构预测、抗原-抗体亲和力预测、可开发性（稳定性、免疫原性、聚集倾向等）预测等；
（3）设计实验验证方案，与抗体工程/实验团队对接，把模型预测变成实际可测的数据，并持续用实验结果迭代模型。
3. 主导关键项目产出候选分子
（1）在实际药物项目中，用AI方法指导或直接输出候选抗体，包括：文库设计、先导分子优化、人源化与成药性优化等；
（2）保证AI输出的候选分子能在常规实验体系下验证（表达、纯化、亲和力测定、功能性验证等），并有明确的成功率/时间线目标。
4. 推动工程化与平台化
（1）把成功的模型固化为可复用的平台能力（例如标准化pipeline、在线服务、实验设计建议工具等），而不是一次性脚本；
（2）引入/评估适合的工具与外包合作（如结构预测、分子对接、云平台等），在保证质量和数据安全的前提下加快落地。
5. 团队与合作
（1）搭建AI团队（包括算法、生物信息、平台工程等）；
（2）对接内部抗体发现、工程转化、注册与CMC等团队，确保AI方案与整体研发流程对齐。


任职要求：
1. 学历与专业：
计算生物学、生物信息学、计算机科学、数学/统计学、免疫学或相关领域博士，或硕士（具有较强的实战经验）。
2. 算法与建模能力：
（1）做过蛋白质/大分子方向的机器学习或深度学习项目，有抗体/蛋白设计、序列/结构建模经验者优先；
（2）熟悉常用ML/DL框架（如 PyTorch / TensorFlow），能独立设计并实现从数据处理、模型训练到结果分析的全流程。
3. 抗体与生物学知识：
（1）对抗体结构、功能、免疫库、V(D)J重组、抗体展示技术（噬菌体/酵母展示等）有足够理解，可以和实验团队深度对话；
（2）了解抗体药物研发基本流程。
4. 数据与工程能力：
（1）熟悉Linux环境，能用Python/R独立完成数据分析，熟悉常见生信工具与数据库（IMGT/SAbDab/PDB/BLAST等）。
（2）有基本的工程意识：版本控制（Git）、简单CI/CD、脚本可复用性，能和后端/MLOps工程师配合