生物信息研究员

岗位职责：

1. 药理毒理评估与计算生物学应用：运用分子动力学模拟(如GROMACS)研究蛋白质动力学特征，使用AutoDock Vina等工具进行分子对接。引入AI算法(如GNN、Transformer)构建或优化ADMET预测模型，进行药物分子的药理活性筛选及潜在毒性评估。

2. 生物信息学流程构建与序列分析：建立标准化、自动化的生信分析流程。独立完成基因/蛋白序列分析、多序列比对、系统发育树构建（如使用MEGA、IQ-TREE等工具）、进化分析等核心任务，探索利用生成式AI优化序列分析流程。

3. 多组学算法研发与AI挖掘：负责开发和应用先进的生物信息学算法及机器学习或深度学习模型，用于基因组、转录组、蛋白质组等多组学数据的整合分析与深度挖掘。构建基于AI的预测模型，识别与疾病、表型及药物响应相关的关键生物标志物和通路。

4. 蛋白质结构功能与AI辅助设计：专注于蛋白质相关的生物信息学分析，结合AlphaFold等AI结构预测工具进行同源建模、蛋白质-蛋白质/蛋白质-小分子相互作用分析。利用计算方法评估结合位点、蛋白质稳定性及突变对功能的影响，辅助基于结构的药物设计(SBDD)。

5. 数据分析、可视化与机制解读：对高通量测序数据及蛋白质组学等数据进行分析、整合与可视化。撰写高质量的数据分析报告，清晰解读分析结果，从分子机制层面阐述药物靶点的药效与毒理风险，为药物靶点发现、蛋白质功能研究提供强有力的数据支持。

任职要求：

1. 学历与经验：生物信息学、计算生物学、药理学、毒理学等相关专业硕士及以上学历。具备2-3年及以上生物信息学研发、AI制药与数据分析相关工作经验。具有蛋白质结构分析或药理毒理预测模型开发经验者优先。博士学历可适当放宽工作经验要求。

2. 生物与药学基础技能：深入理解分子生物学、结构生物学知识，具备扎实的药理学与毒理学基础(如ADMET性质、药物作用机制)。熟悉多序列比对、系统发育分析等常规生信分析方法。熟悉Linux操作系统和高性能计算集群环境。

3. 核心技术与AI算法能力：精通Python/R等至少一门编程语言，熟练掌握深度学习框架，如PyTorch。生信/计算工具，熟练使用PyMol/ChimeraX(可视化)、GROMACS/AMBER(MD模拟)、AutoDock Vina(分子对接)。AI与算法，熟悉图神经网络(GNN)、Transformer等算法，在生物序列或分子结构中的应用，有AlphaFold等大模型应用经验者优先。

4. 数据管理与工程能力：熟悉生物信息学及药物研发常用数据库(如PDB, UniProt, KEGG, DrugBank, ChEMBL, Tox21等)。具备良好的数据管理和版本控制(如Git)习惯。有流程管理工具使用经验。

5. 综合素质：具备优秀的英语读写能力，能够熟练阅读英文文献和技术文档。具备出色的逻辑思维能力、学习能力、解决问题能力及团队协作精神，对前沿AI技术在药物研发中的应用保持敏锐的洞察力。