测序生信分析工程师

岗位职责（围绕 AI 计划展开）
1. 单细胞免疫 AI 模型体系构建（核心）
基于公司已有的高质量人工注释单细胞数据，设计并实现用于：
免疫细胞类型与功能状态自动注释
免疫状态量化（如 activation / exhaustion / cytotoxicity 等）
的 AI / 机器学习模型；
参与构建参考免疫图谱（atlas）+ 映射（mapping）+ 监督模型的整体技术路线；
解决跨批次、跨平台、跨中心单细胞数据的泛化与稳定性问题。
2. 模型特征工程与数据体系建设
设计适用于单细胞数据的特征表示方式，包括但不限于：
基因表达特征（HVG / module score 等）
QC 与技术协变量（batch、平台、cell cycle 等）
（可选）CITE-seq / TCR / 多组学特征的整合；
与生信分析团队协作，推动注释标签体系的标准化、层级化与可训练化。
3. 模型评估、泛化验证与不确定性建模
构建符合真实科研/临床场景的评估体系：
跨病人、跨中心验证
稀有细胞类型与异常状态评估
预测置信度与 OOD（未知状态）识别；
分析模型失败模式，持续优化模型鲁棒性与可解释性。
任职要求
1. 学历与背景
博士学历，生物信息学、计算生物学、系统生物学、计算机、统计、AI 相关方向；
有单细胞数据分析或生物医学数据建模经验者优先；
具备科研导向的建模能力，而不仅是调用现成模型。
2. 技术能力（重点）
扎实的 Python 编程能力，熟悉常用科学计算与机器学习生态；
熟悉至少一类机器学习/深度学习方法（监督学习、表示学习、多任务学习等）；
理解并能处理高维、强噪声、强批次效应的生物数据；
具备 Linux / 服务器环境下开展大规模分析的能力。
4. 加分项（非必须）
理解单细胞测序数据的基本原理与局限；
对免疫细胞异质性、功能状态、疾病相关免疫变化有基本认知
能将生物问题转化为可建模的问题定义。
有单细胞自动注释、表示学习、基础模型（foundation model）相关经验；
有多组学或免疫相关 AI 项目经验；
以第一作者或主要作者发表过计算/方法相关论文。
岗位类型与待遇
方案一：中山大学博士后（联合培养）
年薪待遇：税前约 30 万 + 公司绩效奖励 10–20 万
提供真实高价值数据与产业级研究课题；
支持以第一作者/共同作者发表高水平论文；
博后期满可选择继续留企
方案二：公司研究岗（全职）
月薪：25,000 – 35,000 元（税前）
根据能力与贡献提供额外绩效奖励；
深度参与公司核心 AI 与生信技术体系建设；
长期发展路径清晰，可成长为技术负责人或研究骨干。