该职位来源于猎聘 【实习和全职都招,base北京和上海】 【主要职责】
使用 AlphaFold2、AlphaFold3、Boltz、RoseTTAFold 或同类方法对蛋白及分子复合物进行建模,并能够分析置信度指标、相互作用界面、构象假设和模型局限性。
开发或应用蛋白语言模型、Transformer、扩散模型、图神经网络、强化学习和性质预测模型,用于分子生成、筛选和优化。
围绕结合亲和力、选择性、稳定性、溶解性、通透性、可合成性及整体成药性开展多目标优化,并对不同目标之间的取舍进行清晰、科学的解释。 7.实验数据整合
整合 SPR、BLI、生化与细胞实验、mRNA display、NGS 或其他高通量筛选数据,建立 design-make-test-learn 和主动学习闭环,高效利用实验反馈。 8.平台建设与跨团队交付
开发可复现、可扩展的 GPU 或集群计算流程;与计算科学、生物、化学和工程团队合作;通过清晰的分析、候选数据包和面向决策的报告推动项目进展。 【任职要求】 1.计算机科学、人工智能、生物信息学、计算生物学、计算化学、结构生物学、生物物理、药物化学或相关专业硕士或博士学位。 2.具有 AI 药物发现、计算生物学、CADD、蛋白设计、多肽设计或高度相关领域的实际项目经验。 3.在以下方向中至少具备两项实际经验:结构预测、分子从头设计、逆折叠或序列设计、分子对接或模拟、面向分子或蛋白的生成式 AI。 4.使用过 AlphaFold2、AlphaFold3 或同类结构预测系统,并能够解释模型的输出和各类指标。 5.理解蛋白质结构、分子识别、蛋白与蛋白或多肽与蛋白相互作用,以及与结合和成药性相关的基本物理化学原理。 6.熟练使用 Python,并具备 PyTorch 或其他主流机器学习框架的实际开发经验。 7.能够将多个模型、科研工具和数据处理步骤整合为自动化、可复现的计算工作流。 8.理解基于大语言模型的工具调用、函数调用、工作流编排或 AI Agent 框架,并能够将相关概念应用于科研工作流。 9.能够在 Linux 和 GPU 计算环境中独立开展工作,并具备计算流程排障能力。 10.具有良好的科学判断、技术沟通和跨计算与实验团队协作能力。 【优先考虑】: 在生物医药相关行业有丰富的实习或工作经验者,尤其是在小分子、多肽的创新药设计等领域有研究或工作经验者 有在生物信息学或人工智能相关期刊或会议上发表论文者,认可的期刊/会议包括但不限于Bioinformatics, Nature Communications, AAAI, ICML, ACL 在知名的算法、数据集比赛中取得名次者,认可的比赛包括但不限于ACM-ICPC, KDD, Cup, Kaggle, 天池 实习能够持续实习,线下实习或全职实习者
对这个职位感兴趣吗?