AIDD科学家（药物）

1. 01

   项目技术Ownership 对指定适应症/靶点/分子类型项目的干端策略负责:问题拆解、方法选型、风险判断、里程碑与验收标准;在资源约束下做正确取舍。

2. 02

   设计一评估体系构建 设计多目标优化流程(亲和力、特异性、稳定性、可表达性、免疫原性风险、可开发性等);建立可信的评分、筛选与决策看板，避免「分数好看、实验翻车」。

3. 03

   模型与平台能力产品化 将结构预测、生成式设计、结合/功能预测、主动学习/贝叶斯优化等能力封装为稳健流水线或内部服务;推动与xTr imo/AIGP平台能力协同。

4. 04

   干湿闭环方法论 与湿实验共同定义数据标准、对照设计与失败归因;用少量高价值实验反馈驱动下一轮生成(含ICL/activeleari ng/约束生成等路径)。

5. 05

   客户与科学协作 能与药企科学家、内部BD/产品对齐问题定义与交付物;清晰表达能力边界、不确定性与下一步实验建议。

6. 06

   团队牵引 Code/Design review、技术辅导、面试与标准建设;对关键路径做技术决策记录(ADR)，减少隐性知识。

(Must) 相关专业硕士及以上;博士或产业经验突出者优先。 5年+AI/计算生物学/计算化学相关经验，其中至少2-3年深度参与真实AIDD/蛋白工程/抗体发现项目(产业或转化型学术均可)。 在下列至少 两个方向有可证明成果:蛋白/抗体/迷你蛋白生成式设计结构预测与结构引导设计结合亲和力/功能预测与排序多目标优化与主动学习闭环小分子或肽类虚拟筛选 扎实的机器学习工程能力:PyTorch(或等价)、大规模批处理、可复现实验、性能与稳定性意识。能独立与湿实验/结构/药化对话，把生物学约束翻译成可计算目标与评估协议。英语可用于国际合作与论文/方案读写;具备清晰书面与口头影响力。 加分项(Nice) 有候选分子进入湿实验验证、IND前研究或外部客户交付的完整案例。 熟悉抗体工程(人源化、亲和力成熟、成药性)或酶/结合蛋白设计产业流程。发表过高影响力工作，或主导过内部平台级工具被多团队采用。带过2人以上小组，或有跨地域远程协作经验。 了解合规与数据治理(客户数据隔离、IP边界)的基本要求。12个月成功画像 至少主导1-2个关键项目达到约定科学/业务里程碑(如:高价值候选池、可重复实验命中、客户验收)。沉淀≥1套可复用的多目标设计一评估流水线或决策框架，显著降低后续项目冷启动成本。 干湿闭环指标(如轮次效率、命中率、排序相关性、实验消耗)有可量化改进，并形成复盘文档。带出至少1-2名Junior/中级同学可独立承接子模块。 在方法选型上能说清「为何不用更炫的模型」，并以结果证明取舍正确。领导力与协作期望 对结果负责，而非对「跑通了notebook」负责。 在模糊需求中主动澄清假设，敢于对低价值实验说不。尊重实验科学，把AI当作加速器而非黑箱占卜。用文档与指标对齐团队，减少英雄式救火。