岗位职责
- 参与蛋白质及复合物结构预测模型的开发与迭代优化；
- 基于生成式架构，参与蛋白质从头设计、抗体序列优化等模型的开发调优；
- 参与蛋白-蛋白相互作用与分子对接模型构建，协助研发抗体-抗原结合、亲和力、突变效应预测方法并辅助候选分子优化；
- 配合湿实验团队（蛋白表达、纯化、生物物理表征、功能检测），根据实验反馈参与模型与设计策略的迭代改进。
职位要求
- 计算生物学、生物信息学、计算机科学、结构生物学、生物物理、计算化学或相关专业博士学位；硕士学历需具备3年以上（AI+蛋白质方向）相关研发经验。
- 精通Python及PyTorch（或TensorFlow）；深入理解Transformer、生成模型（扩散/流匹配/VAE等）、图神经网络及等变网络的原理与实现，具备从0到1独立完成模型设计、训练、调优与交付的实际经验。
- 具备扎实的蛋白质科学基础，理解序列-结构-功能关系与蛋白质物理化学性质，能独立将生物学问题转化为可建模的机器学习任务并设计合理的评价指标与基线；熟悉AlphaFold2/
- RoseTTAFold、ESM、ProteinMPNN、RFdiffusion等主流方法，有复现、微调或二次开发经验，清楚其适用边界与典型失败模式。
- 熟悉PDB、UniProt、SAbDab、OAS等数据库，具备大规模数据清洗、去冗余与数据集构建能力；具备良好的中英文文献阅读与学术写作能力，能独立推进课题，并与湿实验团队（表达纯化、生物物理表征、功能检测）高效协同迭代。
- 在顶级会议（NeurIPS、ICML、ICLR等）或顶级期刊（Nature/Science/Cell及子刊）发表第一作者论文；有高质量开源项目、专利或已获湿实验验证的设计案例者同等考虑。
