27届蛋白研发工程师(J12326)

主导AI酶进化项目： 负责核心工具酶（如Taq/RT聚合酶等）的智能化设计与改造，利用深度学习模型优化酶的扩增速度、抗抑性、热稳定性等关键性能指标。

干湿实验闭环与模型调优： 紧密配合试剂研发与自动化实验室团队，利用高通量自动化工作站产出的真实实验数据，建立并优化突变体与核心评价指标之间的映射关系与适应度模型。

拓展性数据模型建立： 负责研发中后期其他业务场景的数据建模，包括但不限于多重分子诊断试剂体系优化等。

前沿技术追踪与落地： 持续追踪AI在蛋白质生成、大语言模型、结构预测等前沿算法的最新进展，推动前沿技术在快速、高通量分子诊断场景中的工程化落地，并协助布局相关技术专利。

教育背景： 计算生物学、生物信息学、人工智能、计算机科学或相关专业硕士及以上学历（拥有博士学位或相关博后经历者优先）。

专业技能：扎实的机器学习与深度学习理论基础，熟练掌握Python及至少一种主流深度学习框架（PyTorch/TensorFlow）。具备AI蛋白质设计、序列-功能预测或结构预测（如AlphaFold, Rosetta, ESM, RFdiffusion等）的实际项目落地经验。

交叉领域认知： 熟悉分子生物学底层逻辑，能够深入理解PCR/qPCR体系、引物探针设计，有分子诊断试剂研发或酶工程交叉背景者优先。

数据处理能力： 具备优秀的数据清理与特征工程能力，能够处理和清洗来自高通量筛选平台的复杂生物学噪音数据。

综合素质： 具备极强的跨学科沟通能力，能够将抽象的算法语言转化为湿实验团队可执行的测试方案；具备自我驱动力与创业探索精神。