岗位职责
1. 围绕工业酶活性、稳定性及溶解性等性能需求,基于蛋白质语言模型(如ESM、ProGen)、AlphaFold等计算工具,运用深度学习技术开展蛋白质/酶的理性设计与多目标优化;针对特定疾病靶点,结合生成式模型与结构约束算法,实现纳米抗体、环肽及新型蛋白质结合剂的从头设计;挖掘宏基因组及极端环境样本数据中的新型功能元件。
2. 构建并优化蛋白质设计“干湿实验闭环”算法框架,以缩短设计-实验迭代周期;追踪生成式人工智能、几何深度学习等前沿模型进展,并将其适配于蛋白质工程场景,完成模型微调、落地应用与效果优化。
3. 与蛋白质表达、纯化、活性筛选等湿实验团队紧密协作,推进设计方案的实验验证;参与对外技术合作项目的需求对接、方案交付与成果汇报;主导或参与科研基金项目申报、专利撰写及高水平学术论文发表。
任职要求
1.计算生物学、生物信息学、结构生物学、化学、人工智能等相关交叉学科专业博士学历;博士期间从事AI蛋白质设计、蛋白质工程相关研究者,其研究经历可折算为相应工作经验。
2.熟练掌握PyTorch深度学习框架,具备蛋白质语言模型微调、突变效应预测及蛋白质稳定性预测等任务的落地实践经验。
3.具备小样本、高噪声数据处理能力,能够独立设计面向多任务、多模态的蛋白质性能预测与融合模型。
4.拥有主动学习与干湿实验闭环构建的落地经验,熟悉模型不确定性评估及全流程迭代优化方法。
5.熟悉蛋白质序列-结构-功能之间的关联关系,能够运用AlphaFold、OpenFold等工具进行蛋白质结构解析,并将生物学约束转化为算法特征。
6.掌握等变图网络、几何扩散模型等计算方法,熟练使用RFdiffusion、BoltzGen等设计工具,能够开展从头蛋白质、抗体、结合剂设计及抗体亲和力成熟优化。