PharmBlock Sciences bi jobs (salary & requirements)

岗位职责:
1.酶蛋白设计与改造（Protein Engineering）：
利用生成式AI（如扩散模型、大语言模型）进行酶的三维结构设计与功能性改造。
针对特定的工业催化需求，设计具有高活性、高稳定性和特定选择性的酶突变体。
2.催化机制与构效关系研究：
运用分子动力学（MD）模拟和量子化学计算（QM/MM），深入研究酶的催化机理、过渡态稳定及底物识别机制。
构建酶-底物相互作用的预测模型，解析序列-结构-功能之间的映射关系。
3.机器学习算法开发：
开发专用于酶学数据的机器学习模型（如逆折叠模型、活性预测模型、热稳定性预测模型）。
针对小样本、高噪声的生物实验数据，设计高效的主动学习（Active Learning）与贝叶斯优化策略，指导湿实验验证。
4.计算平台搭建与验证：
搭建和维护酶设计的计算流程（Pipeline），集成结构预测（AlphaFold/RoseTTAFold）、对接（Docking）及分子动力学模拟。
与湿实验团队紧密协作，将模型预测结果与实验数据（如高通量筛选数据）进行闭环迭代，持续提升模型准确率。
5. 技术前瞻与专利布局：
跟踪Nature、Science、PNAS等期刊中关于AI+酶设计的*新进展（如RFdiffusion, Chroma等），并将其转化为实际生产力。
任职要求:
1. 博士学历优先（或优秀硕士），计算生物学、生物物理、酶工程、结构生物学或人工智能（生物方向）等相关专业。
2. 酶学基础扎实，深刻理解酶促反应动力学、催化机制、别构效应及蛋白质折叠原理。同时具备AI算法能力，精通Python，熟练掌握PyTorch/TensorFlow等深度学习框架；熟悉Transformer、GNN（图神经网络）在蛋白质序列/结构上的应用。
3. 具有计算工具经验，熟悉蛋白质结构预测与设计软件（Rosetta, AlphaFold, ColabFold, OpenMM, GROMACS）。
有酶定向进化（Directed Evolution）计算经验，或曾使用过ProtBERT, ESM, ProteinMPNN, RFdiffusion等模型者优先。
4. 加分项：具备湿实验操作经验（如酶活测定、突变体构建），能够理解实验痛点者优先。在高水平期刊（如 Nature Catalysis, Nature Chemical Biology, Cell Systems, ICLR, NeurIPS Bio track）发表过*作者论文。有处理高通量酶活筛选数据或质谱数据的经验。
5. 具备良好的沟通表达与团队合作精神，工作积极主动、责任心强，能够高效配合团队完成各项研发任务。
6. 拥有出色的跨部门协作与沟通协调能力，乐于经验分享与技术共创，协同推进药物研发项目目标达成。