ai科学家岗位职责

AI科学家
岗位职责：
负责蛋白结构预测算法的优化、实现与部署；
参与预训练模型（如Transformer）的开发与应用；
进行基因/蛋白预训练模型的下游任务微调与集成；
负责大语言模型（LLM）及蛋白结构预测模型的本地部署；
支持AI Agent开发，提升算法自动化与智能化水平；
推动算法在药物研发、靶点发现、机制解读与设计生成等场景中的实际应用。
岗位要求：
1、博士及以上学历，计算机、大数据、人工智能、数据分析等相关专业毕业，5年以上工作经验；
2、掌握python语言，熟悉pandas、numpy、scipy、sklearn等数据分析和机器学习框架；
3、掌握pytorch，熟悉transformer模型，熟悉gnn模型；
4、有语言模型并行训练、量化蒸馏等项目经验。

【关于银诺医药】
银诺医药是一家以创新为驱动的生物医药企业，专注于代谢性疾病及相关慢性疾病创新疗法的发现、开发和商业化。
公司建立了涵盖原创药物发现、蛋白质工程、转化医学、临床开发及产业化的综合研发体系。公司的核心产品依苏帕格鲁肽α是一款采用重组融合蛋白技术开发的人源化、超长效GLP-1受体激动剂，已获批用于成人2型糖尿病治疗。
随着公司大分子药物研发管线持续拓展，银诺医药正在进一步建设人工智能驱动的药物发现与蛋白质工程平台。现诚聘AI科学家或高级AI科学家，重点参与公司现有治疗性大分子项目的优化、筛选和推进。
【岗位介绍】
本岗位处于人工智能、计算生物学、结构生物学、蛋白质工程和药物研发的交叉领域。
候选人将运用先进的人工智能、机器学习和结构计算方法，支持治疗性蛋白、抗体、肽类、融合蛋白及其他大分子药物的设计与优化，并与蛋白质工程、生物学、药理学、CMC及项目管理团队密切合作，提高候选分子的活性、选择性、稳定性、药代动力学特征、成药性和可生产性。
本岗位并非单纯的算法研究或软件开发职位，而是以真实药物研发项目为核心，推动计算设计结果获得实验验证，并进一步转化为具有开发价值的候选分子。
【主要职责】
• 运用人工智能、机器学习和基于结构的计算方法，开展治疗性蛋白、抗体、肽类、融合蛋白及其他大分子药物的设计与优化。
• 设计和筛选蛋白质变体，改善其生物学活性、结合亲和力、靶点选择性、稳定性、溶解性、表达水平、聚集倾向、药代动力学特征及整体成药性。
• 应用蛋白质语言模型、生成式蛋白设计、蛋白质结构预测、逆折叠、序列设计、分子建模及其他相关方法，支持先导分子的发现和优化。
• 建立可重复、可验证的计算工作流程，用于蛋白质序列设计、结构评价、多参数优化和候选分子优先级排序。
• 整合公司内部实验数据及公开的蛋白质序列、结构、功能和成药性数据，支持模型开发和项目决策。
• 与实验团队共同建立“设计—构建—测试—学习”的闭环研发体系。
• 分析实验结果，识别设计成功或失败的关键因素，并将数据用于后续设计和模型迭代。
• 评估新兴人工智能及计算蛋白质设计技术，判断其在公司研发项目中的适用性和实际价值。
• 参与公司AI蛋白设计平台、内部数据标准和模型评价体系的建设。
• 根据项目需要参与专利申请、学术论文、外部合作及科学交流。
【任职资格】
• 计算生物学、生物信息学、结构生物学、生物物理学、蛋白质工程、计算机科学、机器学习或相关专业博士学位。
• 具有将人工智能或计算方法应用于蛋白质设计、蛋白质工程、抗体工程、肽类设计或大分子药物发现的实际经验。
• 对蛋白质序列、结构和功能之间的关系具有扎实理解。
• 具备以下一个或多个方向的研究或项目经验：
o 蛋白质结构预测与建模；
o 蛋白质语言模型或生成式蛋白质设计；
o 逆折叠、序列设计或序列优化；
o 抗体建模或蛋白质—蛋白质相互作用分析；
o 分子对接或分子动力学模拟；
o 蛋白质多参数优化；
o 生物学及实验数据的机器学习分析。
• 熟练使用Python，并熟悉相关科学计算、机器学习或深度学习工具。
• 能够理解和分析生化、生物物理、细胞或药理实验数据，并将实验结果转化为可执行的分子设计策略。
• 具有良好的科学判断力、问题分析能力、团队协作能力和沟通表达能力。
优先考虑条件
• 具有生物技术公司、制药企业或以产业转化为导向的蛋白质设计实验室工作经验。
• 具有治疗性抗体、Fc融合蛋白、细胞因子、酶、肽类或其他大分子药物优化经验。
• 熟悉AlphaFold、Rosetta、ProteinMPNN、RFdiffusion、蛋白质语言模型或类似工具和平台。
• 具有计算设计与实验验证相结合的项目经验，熟悉迭代式设计—实验闭环。
• 具有亲和力成熟、特异性优化、pH依赖性结合、半衰期延长、稳定性提升、聚集风险降低或免疫原性风险评价经验。
• 了解大分子药物成药性、药代动力学、转化药理、CMC或生物制品生产相关要求。
• 具有利用企业内部实验数据进行模型训练、微调或主动学习的经验。
• 具有GPU计算、高性能计算、工作流程自动化或实验数据集成经验。
• 具有高质量论文、专利或药物研发项目成果者优先。
【我们期待的候选人】
我们希望候选人不仅掌握先进的人工智能和计算方法，也能够理解真实药物研发中的生物学和实验约束。
【理想的候选人应能够】
• 理解当前人工智能方法的能力边界和局限性；
• 将药物研发需求转化为清晰、可计算、可实验验证的科学问题；
• 在活性、选择性、稳定性、表达、可生产性和成药性之间进行综合权衡；
• 从阳性及阴性实验结果中提取有效信息；
• 与计算、实验及项目团队高效协作；
• 以推动候选分子和研发项目进展为*终目标。
【我们提供】
• 直接参与公司大分子创新药物发现与优化项目的机会。
• 与蛋白质工程、生物学、药理学、CMC和临床开发等多学科团队深度合作的平台。
• 参与建设银诺医药AI驱动蛋白质设计平台和专有数据体系的机会。
• 具有明确产业转化目标、鼓励创新和重视实际成果的研发环境。
• 与候选人经验和能力相匹配的薪酬及福利待遇。

我们正在寻找一位具有海归背景、工业界经验、博士学历的AI算法科学家，专注于大语言模型（LLM）与智能体（Agent）开发，在新药靶点发现、药物反应预测、肿瘤免疫、多组学数据挖掘等领域推动技术创新与应用落地。您将参与核心AI平台的构建，推动从数据到药物的高效转化。
岗位职责：
LLM与Agent开发
负责构建面向生物医学领域的大语言模型（LLM），用于文献挖掘、靶点推理、药物重定位等场景；
开发智能体系统（Agent），实现自动化知识推理、实验设计、数据解读与决策支持；
探索多模态融合（文本+基因组+影像+病理）在药物研发中的应用。
AI驱动的新药靶点发现
基于多组学数据（scRNA-seq、WES、ATAC-seq、空间转录组等），开发深度学习模型识别新药靶点；
构建可解释的AI模型，揭示疾病机制与药物作用机制；
推动AI+湿实验闭环，加速靶点验证与药物筛选。
算法工程化与平台建设
搭建面向药物研发的AI算法平台，支持模型训练、推理、部署与迭代；
优化模型在高性能计算（HPC）与云平台（AWS/GCP） 上的运行效率；
推动MLOps与数据闭环建设，提升模型落地效率。
跨部门协作与项目管理
与生物学家、药理学家、临床医生紧密合作，推动AI模型在真实项目中的应用；
主导或参与科研项目，撰写技术文档、专利与论文；
指导团队成员，推动技术沉淀与知识共享。
任职要求：
博士学历，计算机科学、生物信息学、计算生物学、人工智能等相关专业；海外博士学历（优先）；
3年以上工业界经验（含博士后），有AI药物研发、肿瘤免疫、多组学分析等相关项目经验；
技术能力：
精通LLM与Agent开发，熟悉Transformer、BERT、GPT、LLaMA等模型架构，具备微调、部署与优化经验；
熟悉PyTorch、TensorFlow、Scikit-learn等深度学习框架；
具备多组学数据分析经验（WES、RNA-seq、scRNA-seq、空间转录组等），熟悉TCGA、GDSC、CCLE等公共数据库；
熟悉药物研发流程，有靶点发现、药物反应预测、抗体筛选、分子对接等经验者优先；
具备算法工程化能力，熟悉Docker、Kubernetes、MLOps、HPC等部署与运维工具；
软性能力：
具备优秀的逻辑思维与问题拆解能力，能独立设计算法解决方案；
出色的沟通与协作能力，能跨团队推动项目落地；
具备中英文文献阅读与技术写作能力，有高质量论文或专利产出者优先