数据科学、生信+医学、肿瘤学
岗位概述
根据客户需求，利用病理、免疫、分子、体内药理等技术平台（流式、数字PCR、mIHC等），设计和执行科研合作项目，来赋能和服务KOL和制药企业药物靶点筛选验证、生物标记物开发和伴随诊断项目。
核心职责
1.平台与体系搭建：项目设计、方法开发、数据解读体系建设等科研合作项目的标准化运营流程（SOP）和管理体系，确保项目高效、合规
2. 外部学术合作
KOL关系维护： 通过与专家、PI的科研合作，建立并维护长期、稳固的学术关系。
技术应用： 利用分子生物学、免疫学分析平台（包括QPCR、数字PCR、流式、Elisa、MSD、靶向DNA测序、全外显子组测序、RNA测序、甲基化测序）和多靶点荧光免疫组化等技术，对血液和组织样本进行多组学分析， 研究方向包括但不限于：肿瘤分子分型与起源进化、预后生物标志物发现、靶向治疗、免疫治疗及其联合疗法的疗效预测标志物、肿瘤微环境分析、甲基化等
深度数据分析与交付： 从医学角度，利用R语言、python、机器学习、大模型训练等方式对多组学数据进行深度挖掘和生物学解读，提供高度定制化的分析报告，最终推动学术论文的发表，提升公司学术影响力。
3. 药企合作与转化研究
商业合作拓展： 参与并主导与制药公司的合作项目。
生物标志物研究： 负责临床前药物（如TKI抑制剂、抗血管生成药物、免疫治疗药物）的生物标志物策略制定。
端到端项目执行： 涵盖临床检测方案设计、高通量组学数据的分析、整理、解读，并最终撰写专业的研究报告，为药企的药物研发提供关键数据支持。
岗位要求：
1.编程与数据分析能力：
精通 Python 和 R 语言：能够利用这些工具进行复杂的统计分析和生物信息学数据处理。
生物信息学与统计学：
具备丰富的多组学数据（基因组、转录组、表观基因组）整合分析经验。
精通差异表达分析、突变频谱分析、生存分析、富集分析、聚类分析等常用生物信息学方法。
有免疫组学数据分析（如T细胞受体 repertoire，免疫细胞浸润分析）或mIHC图像分析经验者更佳。
深刻理解肿瘤发生发展机制、分子分型、肿瘤微环境、免疫治疗、靶向治疗等领域。
熟悉各类生物标志物（如TMB， MSI， TNB， PD-L1， 基因融合等）的临床和科研意义。
项目管理能力： 能够同时管理多个复杂的科研项目，确保时间、质量和预算目标。
沟通与领导力： 具备出色的跨部门沟通和团队领导能力，能够与内部团队、研发科学家和药企客户进行高效、专业的交流。
解决问题能力： 面对复杂的科学问题和技术挑战，能提出创新性的解决方案。
学术思维： 具备强烈的科学好奇心和严谨性，能够把握前沿科研动态，并推动学术成果转化。