算法工程师-虚拟细胞建模

虚拟细胞基础模型研发：开发与迭代单细胞及多模态虚拟细胞基础模型，实现细胞状态的表征、生成与跨上下文泛化预测。

扰动响应预测：开发基因扰动（CRISPR敲除/敲低）与药物扰动响应预测模型，研发组合扰动外推方法，支撑虚拟筛选。

多模态与时空建模：构建转录组、蛋白组、染色质可及性、空间组学等跨模态对齐与融合模型，推进基因-蛋白-通路-细胞跨尺度耦合建模。

预测-验证闭环：与湿实验团队（单细胞建库、CRISPR筛选、类器官与功能验证）紧密协作，基于实验反馈迭代优化模型与数据策略。

计算生物学、生物信息学、计算机科学、基因组学、系统生物学或相关专业博士学位。

精通Python编程，熟练掌握PyTorch（或TensorFlow）等主流深度学习框架，具备独立完成模型设计、训练与评估的能力。

熟悉Transformer、生成模型（扩散模型/flow matching）、图神经网络等主流模型架构的原理与实现，有大规模模型预训练经验。

具备扎实的单细胞组学基础，理解单细胞数据处理、批次效应校正、细胞注释与轨迹分析等核心方法。

熟悉虚拟细胞/单细胞基础模型领域主流方法与工具，如scGPT、scFoundation、STATE等，了解其原理与适用边界。

熟悉单细胞与扰动相关数据库及图谱（CELLxGENE、GEO、Perturb-seq等）的使用与数据处理。

有良好的学术产出记录：在顶级会议（NeurIPS、ICML、ICLR等），顶级期刊（CNS及其子刊）发表过多篇第一作者论文。

良好的中英文文献阅读与学术写作能力，具备跨团队协作与沟通能力。