The posting
- AI模型应用与开发: 负责将前沿AI4Biology模型(如蛋白语言模型 ESM3、结构预测模型 AlphaFold3/Protenix、蛋白设计模型 RFdiffusion 等)应用于实际科研问题,包括蛋白质从头设计、抗体设计与优化、酶工程改造等方向。
- 功能机制研究: 结合AI预测与计算生物学手段(如结构建模、MD模拟、自由能计算),开展蛋白质功能机理研究,解析序列-结构-功能关系,阐明关键相互作用机制。
- 干湿实验闭环: 与实验团队紧密协作,推动"AI设计—计算筛选—实验验证—数据反馈迭代"的完整闭环,对模型预测结果进行系统性评估与优化,确保研究成果可落地。
- 前沿追踪与创新: 跟踪AI4Science领域最新进展(如生成式模型、扩散模型、多模态生物大模型),独立提出研究课题,产出高水平学术论文与可复用的方法/工具。
- 博士学历(或即将获得博士学位),计算生物学、生物信息学、结构生物学、计算化学、人工智能等相关专业。 - AI模型经验: 熟悉主流AI4Biology模型及其应用场景,包括但不限于: 蛋白语言模型:ESM3、ESMFold、ProteinMPNN 等; 结构预测模型:AlphaFold3(Protenix)、Chai-1、Boltz 等; 蛋白/抗体设计模型:RFdiffusion、RFantibody、DiffAb 等; 具备上述至少一类模型的实际使用或开发经验,理解其原理与局限性。 - 编程与工程能力: 熟练掌握 Python 及深度学习框架(PyTorch),熟悉 Hugging Face 生态,具备模型微调、推理部署及大规模计算任务管理经验,熟悉 Linux/超算环境。 - 专业基础: 具备扎实的结构生物学或生物物理学基础,熟悉蛋白质结构分析与可视化工具(PyMOL、ChimeraX),熟悉常用生物学数据库(PDB、UniProt、AlphaFold DB)。 - 科研素养: 以第一作者发表过高水平学术论文,具备独立开展科研工作的能力、良好的英文读写能力及跨团队协作沟通能力。 - 加分项: 有 AI 设计与湿实验验证闭环的完整项目经验(如设计的蛋白/抗体经实验验证成功); 有 MD 模拟、自由能计算与 AI 模型结合的经验(如 AI 预测结构后进行 MD 精修或构象采样); 有扩散模型、生成式模型或几何深度学习相关方法开发经验; 熟悉抗体-抗原相互作用、酶催化机制等具体生物学问题背景。



