工作地点：

上海市

工作职责：

1.搭建AI模型： 设计、训练并优化先进的深度学习模型（例如，蛋白质语言模型、扩散模型、变分自编码器），用于生成具有所需功能特性（如增强的稳定性、催化活性或结合亲和力）的新型蛋白质序列和代谢途径；
2.代谢实验设计： 与菌株团队紧密合作，共同设计高通量实验。确保生成结构化、信息丰富的数据集，有效闭合"设计-构建-测试-学习"循环；
3.构建工程平台： 创建、验证并部署将基因型与表型联系起来的预测模型。模型将预测关键性能指标，如蛋白质表达水平、酶动力学和代谢通量，理性地优先选择设计方案，减少实验室中的试错；
4.整合生物数据： 开发计算流程，以摄取、清理并整合多样化的数据集（包括基因组学、蛋白质组学、代谢组学和发酵数据），将其转化为适合模型训练和大规模分析的统一表征；
5.保持前沿地位： 进行持续的文献综述，实施来自期刊（例如，NeurIPS、ICML、Nature）的新颖算法，并在公司内倡导新的计算方法。

任职资格：

1. 拥有计算生物学、生物信息学、计算机科学、生物工程或相关领域的博士学位；
2.对现代机器学习（包括深度学习架构，如Transformer、卷积神经网络、图神经网络）具有深厚的理论和实践理解；
3.精通Python编程，并拥有常用机器学习框架（强烈推荐PyTorch；TensorFlow或JAX亦可）的丰富实践经验；
4.拥有处理大型、复杂且通常带有噪声的生物数据集的实践经验，并具备从中提取有意义见解的可靠能力；
5. 将生成模型应用于蛋白质或序列设计的实践经验（例如，使用ProteinMPNN、RFdiffusion等模型，或开发新型蛋白质语言模型）；
6. 熟悉分子建模软件（例如，Rosetta、PyMOL），并对支配蛋白质结构和功能的生物物理原理有基础性理解。