深度学习（新药研发科学家）

该职位来源于猎聘 依托百奥赛图的RenMice人源化小鼠平台、超百万规模的全人抗体库及“千鼠万抗”计划，本岗位旨在培养能够驾驭“AI+自动化+免疫学”闭环的复合型专家。你将深度参与公司“千鼠万抗”2.0战略，利用AI技术重构抗体发现流程，加速从“源头分子”到“临床候选分子”的转化效率。 岗位职责

• 跨学科项目协作与数据闭环构建：作为连接免疫学研发团队与AI算法团队的桥梁，协助建立“AI设计-湿实验验证-数据反馈”的DBTL闭环。负责整理和标准化高通量筛选产生的免疫学数据（如抗体序列、亲和力数据、结构信息），确保数据质量适配AI模型训练需求。
• AI辅助抗体发现与优化：利用公司自研的RenSuper Workstation及AI平台，参与抗体分子的虚拟筛选与亲和力成熟度优化。基于免疫学原理，对AI生成的候选分子进行生物学合理性评估，筛选出成药潜力的“现货分子”。
• 多模态生物数据挖掘：结合基因组、转录组及蛋白质组学数据，协助算法团队挖掘靶点与抗体序列之间的深层规律。探索利用生成式AI模型（如扩散模型、大语言模型）进行全新抗体序列设计（De novo design）的可行性。
• 业务流程AI化探索：参与公司“货架模式”的业务流程优化，通过AI工具提升抗体规模化筛选效率。协助开发自动化实验流程中的数据分析模块，推动研发模式从“劳动密集型”向“数据驱动型”转变。 任职要求
• 教育背景：博士学历，免疫学、生物学、生物信息学、计算生物学、人工智能或相关专业。具有“生物+计算机”双学位或跨学科研究背景者优先。
• 核心技能：
• 免疫学基础：扎实的免疫学基础，熟悉抗体结构、抗原抗体结合原理及药物研发基本流程（特别是抗体药研发）。
• AI/数据能力：具备Python或R语言编程基础，能够使用Pandas、NumPy等库进行基本的数据处理；了解机器学习基本概念（如监督学习、神经网络原理），有使用PyTorch或TensorFlow进行简单模型训练经验者优先。