环肽AI模型研究工程师

1. 前沿技术研究：聚焦多肽/环肽计算生物学与生成式 AI 交叉领域，开展创新研究，重点攻关基于扩散模型、流匹配模型、蛋白质语言模型等 AI 技术的环肽设计与优化方法。
2. 算法工程化与平台搭建：与部门计算、AI、药物化学及湿实验团队协同，将前沿设计算法工程化，搭建高稳定、高效率、可扩展的环肽计算发现平台；应用统计学、机器学习等方法，开发溶解度、膜渗透性等成药性预测算法模块，实现“序列生成—性质评估—迭代优化”一站式计算能力。
3. 项目设计与交付：深度参与环肽药物发现项目，协同或独立完成靶点表位筛选、环肽分子设计与筛选，生成高质量候选分子，完成亲和力、成药性等多维度计算评估与序列改进，输出可实验验证的设计方案（包括序列、结构、修饰位点及合成建议等）。
4. 数据驱动算法迭代：基于湿实验验证数据，构建“计算设计—实验验证—模型迭代”数据闭环，持续优化生成模型与设计流程。
5. 跨团队协作与需求支持：与湿实验、药物化学等团队紧密协作，支持实验方案设计与结果解读；完成团队交办的其他与多肽/环肽设计、改造及计算平台相关的任务

1. 计算生物学、生物信息学、计算化学、系统生物学等相关专业博士学历；或具备突出相关项目经验的硕士。拥有生成式 AI、深度学习、多肽/环肽药物发现等产学研经验者优先。
2. 精通 Python 编程，熟练使用 PyTorch/TensorFlow 等深度学习框架；掌握统计建模、机器学习、深度学习方法，具备蛋白质/环肽语言模型微调经验；具备良好的工程化习惯，熟悉 Linux、Git、Docker 等工具者优先。
3. 有多肽/环肽从头设计（de novo design）实际项目经验者优先；有扩散模型、流匹配、自回归生成等技术在环肽设计算法开发中的应用经验者优先。
4. 具备 Rosetta、分子动力学（MD）模拟经验者优先，包括环肽结构建模、构象采样、结合模式预测、稳定性/亲和力评估等。
5. 具备优秀英文文献读写能力，能快速追踪、复现与提炼领域顶会/顶刊进展；具备严谨科学思维，有相关领域高水平学术成果、专利或开源项目者优先。
6. 良好的团队协作与跨部门沟通能力，学习能力强，能快速将前沿算法落地到实际药物研发流程；对 AI 驱动药物发现具有强烈兴趣。

加分项

1. 有多肽/环肽结构特征、非天然氨基酸、环化修饰及构效关系研究经验；
2. 有湿实验协作或 AI+湿实验闭环项目经验；
3. 有药物研发项目交付经验或候选分子推进经验；
4. 在相关领域顶会/顶刊发表论文，或拥有专利、高质量开源项目