生物信息科学家

AI模型开发与应用 结合机器学习、深度学习、生成式AI、AI Agent等前沿技术，开发面向生物药研发场景的智能预测、设计与决策支持模型，推动前沿算法在真实研发场景中的落地应用，包括但不限于： 药物性质与可开发性预测； 药物开发过程中关键质量属性（CQA）预测； 基于计算模型优化实验设计与研发流程； 评估模型的准确性、泛化能力、可解释性及实际项目价值。

生信算法与工具开发 围绕药物研发中的关键科学问题与技术瓶颈，开发创新性的生信算法及分析工具，提升研发效率与决策质量。包括但不限于： 将复杂的生物医药问题抽象与转化为可计算模型； 设计技术路线、评估指标与验证方案； 开发生信算法与分析流程，并持续优化模型性能。

多组学数据分析与机制研究 基于基因组、表观基因组、转录组、蛋白质组、代谢组等多组学数据，开展系统性分析与生物学机制研究，包括但不限于： 完成数据处理、质量控制、数据分析与生物学解读； 挖掘关键分子特征与作用机制； 与实验团队协作完成分析结果的实验验证与迭代优化。

计算平台与数据库建设 参与内部生物信息计算平台、AI模型服务和数据库系统建设，推动算法模型的工程化、标准化和规模化应用。包括但不限于： 生信工具与AI模型工程化封装、标准化与自动化、及性能优化； 开发和维护内部生物信息计算平台及数据库； 支持相关前端用户界面开发与维护。 持续改善平台的易用性、稳定性和运行效率。

跨学科协作与技术推动 作为计算科学核心成员，与分子生物学、细胞生物学等团队紧密合作：包括但不限于： 深度参与研发项目需求定义与问题拆解，将研发需求转化为可执行的计算方案； 与分子和细胞株构建团队沟通讲解分析的逻辑、模型结果及生物学意义； 推动计算方法在实际研发项目中的落地与价值实现； 推动计算方法在实际研发项目中的验证、应用和价值实现； 跟踪AI与计算生物学前沿进展，探索AI驱动生物药研发的新技术和新应用

教育背景 硕士及以上学历； 生物信息学、计算生物学、人工智能、数据科学或相关专业； 具有生物药开发、抗体工程、细胞株开发、合成生物学等行业经验者优先。

AI模型开发能力 熟悉机器学习与深度学习核心原理，熟练掌握 PyTorch、TensorFlow 等框架； 对现代AI模型架构具有深入理解，包括但不限于：Transformer、生成式模型、大语言模型（LLM）、强化学习（RL）、AI Agent等； 熟悉模型训练、超参数优化、性能评估与验证、可解释性分析及不确定性评估； 具有AI模型开发与落地经验者优先。

生物信息与组学分析能力 扎实掌握多组学数据分析理论与方法，熟悉主要的生息分析流程及算法原理； 具有生信算法开发、大规模组学数据分析等经验者优先。

编程与工程化能力 熟练使用 Python、R、C/C++ 中一种或多种语言； 熟悉Linux开发环境、版本控制和常用软件开发工具； 熟悉数据库开发、前端开发等； 具备良好的代码规范、软件工程意识与文档习惯。

综合素质 我们特别期待具备以下特质的人才： 具备优秀的问题抽象与逻辑分析能力； 保持对前沿技术的持续学习能力； 能够将复杂模型结果转化为可理解、可落地的研发决策； 具备良好的跨学科沟通与团队协作能力； 对“AI驱动物药研发”具有强烈兴趣与探索热情