蛋白表达纯化与工艺开发工程师

2

生物化学、分子生物学、结构生物学、生物工程、药学等相关专业

硕士及以上（博士优先）

1.协助搭建并维护自动化蛋白表达与纯化平台，实现从细胞培养、裂解、纯化到浓缩换液的全流程自动化；

2.优化高通量蛋白表达条件（如不同宿主、诱导条件、培养基），利用自动化设备并行筛选最优表达方案；

3.开发自动化纯化工艺（包括亲和、离子交换、凝胶过滤等），整合多步纯化流程至机械臂或工作站；

4.负责蛋白样品的质量分析与数据管理，建立自动化表征与质控流程（如自动SDS-PAGE、HPLC）；

5.与上游分子构建团队对接，快速承接并表达纯化候选靶标蛋白，支撑药物筛选及结构生物学研究；

6.撰写技术报告、SOP及专利申请材料，培训团队成员操作自动化蛋白纯化设备。

1.学历要求：硕士及以上（博士优先）；

2.专业要求：生物化学、分子生物学、结构生物学、生物工程、药学等相关专业；

3.工作经验要求：

（1）硕士具有2年以上蛋白表达纯化经验，博士具有1年以上相关经验；

（2）有蛋白纯化系统（如ÄKTA Auto、Tecan Freedom EVO等）使用经验者优先。

4.其他要求：

（1）熟练掌握原核（E.coli）、真核（酵母、哺乳动物HEK293/CHO、昆虫细胞）蛋白表达系统；

（2）精通亲和层析、离子交换、分子筛等蛋白纯化技术，能够独立设计纯化方案；

（3）具有大规模细胞培养（悬浮/贴壁）及发酵经验，了解生物反应器操作；

（4）熟悉SDS-PAGE、Western blot、动态光散射、质谱等蛋白表征方法；

（5）有自动化液体处理系统、高通量筛选（HTS）或机器人整合经验者优先；

（6）具备良好的数据分析能力（如Prism、Python/R基础），能快速排查纯化过程中的异常。

药物筛选与高通量分析工程师

2

药理学、细胞生物学、生物化学、药物化学、化学生物学等相关专业

硕士及以上（博士优先）

1.搭建并运行自动化药物筛选平台，开发针对特定靶点（激酶、GPCR、蛋白-蛋白相互作用等）的高通量筛选方法；

2.负责筛选文库（小分子、多肽、片段等）的自动化管理，实现高通量加样、孵育、检测与数据采集；

3.进行初筛、复筛、构效关系分析，撰写筛选报告，协助药化团队进行化合物优化迭代；

4.整合高内涵成像或细胞表型筛选模块，建立基于细胞表型的自动化药物评价体系；

5.参与构建完整的自动化药物发现工作流，与AI模型对接，实现干湿实验闭环验证；

6.培训并指导技术员操作筛选设备，制定质控标准，确保数据可重复性。

1.学历要求：硕士及以上（博士优先）；

2.专业要求：药理学、细胞生物学、生物化学、药物化学、化学生物学等相关专业；

3.工作经验要求：

（1）硕士具有2年以上药物筛选或高通量实验经验，博士具有1年以上相关经验；

（2）有自动化筛选系统（如PerkinElmer、Molecular Devices、Beckman等）使用经验者优先。

4.其他要求：

（1）熟练掌握基于酶学、细胞、受体-配体结合等的高通量筛选（HTS）方法，熟悉384/1536孔板操作；

（2）具有细胞培养、细胞活力检测（MTT/CTG）、报告基因、高内涵成像等经验；

（3）了解药物作用机制研究、IC50测定、选择性谱分析等，能独立进行数据拟合与评价；

（4）具有自动化移液工作站、洗板机、酶标仪、高内涵成像系统等设备的操作和维护经验；

（5）熟悉至少一种数据分析软件（如GraphPad Prism、Spotfire、R/Python），有机器学习辅助筛选经验者优先；

（6）具备良好的跨团队协作能力，能与分子、蛋白、化学团队紧密配合。

分子构建与细胞工程工程师

1

分子生物学、细胞生物学、合成生物学、生物工程、生物化学、药学等相关专业

硕士及以上（博士优先）

1.负责自动化DNA合成模块、质粒构建模块的日常运行与方法开发，优化高通量分子克隆流程；

2.利用自动化工作站实现从DNA片段到质粒构建的全流程自动化，包括引物设计、PCR组装、转化、克隆筛选等；

3.负责自动化细胞转化/转染平台的搭建与维护，开发微生物及真核细胞的高通量转化转染方案；

4.与软硬件工程师协作，整合自动化设备与智能科学家系统，实现数据自动记录与流程调度；

5.撰写标准化操作规程（SOP）及实验报告，培训其他技术人员使用自动化分子生物学平台；

6.跟踪前沿自动化分子技术，提出平台升级与改造建议，支撑药物筛选与蛋白表达等模块。

1.学历要求：硕士及以上（博士优先）；

2.专业要求：分子生物学、细胞生物学、合成生物学、生物工程、生物化学、药学等相关专业；

3.工作经验要求：

（1）硕士具有2年以上相关实验经验，博士可放宽至应届或1年以上经验；

（2）具有自动化工作站（如Hamilton、Tecan、Beckman等）使用或整合经验者优先；

4.其他要求：

（1）熟练掌握DNA合成、PCR、酶切连接、Gibson组装、Golden Gate等分子克隆技术；

（2）具备质粒构建、定点突变、文库构建等经验，熟悉常见载体系统（如pET、pCDNA、pFastBac等）；

（3）掌握化学转化、电转化及哺乳动物/昆虫/微生物细胞转染技术；

（4）了解高通量实验流程（96/384孔板操作），有自动化移液工作站、磁珠提取等设备操作经验；

（5）具备基本的编程或脚本能力（如Python、Java）以对接自动化平台者优先；

（6）良好的英文文献阅读能力和实验记录习惯，具有团队协作精神和抗压能力。

AI生物制药理论设计科学家

4

计算生物学、生物信息学、人工智能、计算化学、药物化学、结构生物学等相关专业

硕士及以上

1.围绕明确药物靶点和作用机制开展AI驱动的生物分子理论设计，覆盖蛋白质与线性肽/环肽两个重点方向；

2.蛋白质方向：重点开展纳米抗体、酶、蛋白质/小分子结合蛋白、DNA/RNA结合蛋白及蛋白质骨架/组装体的从头设计、重设计和定向优化；

3.多肽方向：针对药物靶点开展线性肽、环肽及其他大环肽的序列—结构协同设计、构象约束、结合模式建模、虚拟筛选和构效关系迭代；

4.开展非天然氨基酸与化学修饰的计算设计，包括D-氨基酸、N-甲基化、主链/侧链环化、二硫键/订书钉约束、脂化/PEG化等；具备非天然残基建模、构象采样及必要的力场参数化能力；

5.按分子类型综合优化活性/亲和力、选择性、稳定性、溶解性、聚集/免疫原性风险、蛋白酶耐受性、膜通透性及可合成性/可表达性，推动候选物向成药方向收敛；

6.合理使用或开发语言模型、生成式/扩散模型、结构预测、对接、分子动力学、增强采样、自由能和机器学习打分方法，完成靶点分析、批量生成、筛选排序、风险评估及实验闭环，形成自动化、可复现流程。

1.硕士及以上（博士优先），计算生物学、生物信息学、人工智能、计算化学、药物化学、结构生物学等相关专业；

2.具备蛋白质与多肽/环肽的完整理论设计框架；至少精通一个方向，并能对另一方向开展基本设计、评价与协同；

3.具有扎实的结构生物学、物理化学和药物发现基础，能从结构、能量与机制解释设计决策，而非仅调用现成工具；

4.应聘多肽/环肽方向者须具备非天然氨基酸、环化及化学修饰的计算建模与优化能力，能够分析其对构象、结合、选择性、稳定性和通透性的影响；

5.熟练使用Python和Linux，能开发或修改算法、模型和批量流程；有深度学习、GPU/HPC或模型训练经验者优先；

6.具有至少1项可核验的“设计—实验验证—迭代”案例，能定义评价指标与验证方案并完整记录输入、参数、模型版本、筛选证据及失败结果；多个成功案例、论文、专利或候选物推进经历者优先。

AI生物制药设计助理

2

生物信息学、计算化学、药学、生物工程等相关专业

本科及以上

1.了解AI生物制药、蛋白质结构、生物分子设计和基础实验流程，能熟练使用PyMOL、ChimeraX、UCSF Chimera、Discovery Studio、VMD等结构可视化与分析软件；

2.主要协助理论设计人员完成大批量结果的人工筛选、结构检查和材料整理；

3.典型工作包括：对数千个设计结果进行PyMOL人工筛选，判断催化中心是否合理、关键残基是否保留、底物结合构象是否正确、是否存在明显clash、结构是否稳定等；协助整理候选分子信息、实验送样表、项目汇报材料、专利/论文图表、数据统计和技术文档；

4.要求细心、执行力强、审美和图表整理能力较好，能承担大量设计结果的标准化检查与文案材料汇总工作；

5.该岗位是支撑高通量AI设计平台稳定运行的重要岗位。

1.本科及以上学历，生物信息学、计算化学、药学、生物工程等相关专业；

2.了解AI生物制药、蛋白质结构及基础实验流程。

3.熟练使用PyMOL、ChimeraX、Discovery Studio、VMD等结构可视化软件；

4.能承担大批量设计结果的人工筛选、结构检查与材料整理工作；

5.细心、执行力强，具备良好审美及图表整理能力；

6.能支撑高通量AI设计平台的标准化检查与文案汇总工作。

多肽实验科学家

2

药学、化学生物学、生物化学、有机化学（多肽方向）等相关专业

硕士及以上

1.精通多肽实验全流程，尤其是多肽合成、非天然修饰、纯化、质谱确认、活性测试和成药性相关评估；

2.不仅要会做实验，更要具备分析实验失败原因的能力，能够判断问题来源于序列设计、合成难度、溶解性、纯化条件、修饰位点、构象稳定性还是检测体系本身；

3.重点能力包括：固相多肽合成、非天然氨基酸修饰、环化与端基修饰、HPLC纯化、LC-MS/MS确认、BLI/SPR/ITC/HTRF等结合实验、细胞活性实验、血清稳定性、溶血毒性、细胞毒性、膜通透性或细胞摄取实验等；

4.熟悉多肽从“可合成”到“可检测”再到“具备应用潜力”的完整实验路径；

5.该岗位是连接AI设计与真实生物功能验证的关键环节，需要能够与理论设计人员高效沟通，并将实验反馈转化为下一轮设计依据。

1.硕士及以上学历；

2.精通固相多肽合成、非天然修饰、纯化及质谱确认；

3.能分析实验失败原因，定位设计、合成、纯化或检测环节问题；

4.掌握HPLC纯化、LC-MS/MS、BLI/SPR/ITC等结合实验及细胞活性、稳定性、毒性评估；

5.熟悉多肽从合成到应用潜力的完整实验路径；

6.能与AI设计人员高效沟通，将实验反馈转化为设计迭代依据。

医学数据治理科学家

1

生物信息学、计算生物学、医学信息学、生物统计学等相关专业

硕士及以上（博士优先）

1.医学数据获取与清洗：负责对接合作方，接收并清洗电子健康记录、专病大队列数据、多组学测序结果及不良反应报告，识别并处理数据中的重复记录、逻辑错误、时间戳异常，输出高质量的标准化原始数据；

2.多组学数据整合与标准化：对不同来源的基因组、转录组、蛋白组等组学数据进行格式统一、批次校正、归一化处理，建立统一的样本ID映射表，确保数据跨模态可联合查询与分析；

3.知识图谱构建与维护：从DrugBank、STITCH、CTD、KEGG等公开数据库及合作方内部数据中提取“药物-靶点-通路-疾病-副作用”关系，构建知识图谱；维护术语标准化映射表，保证图谱中实体与关系的一致性；

4.数据管道搭建与自动化：开发可复现的数据处理流水线，实现从原始数据到AI训练集的自动化转换（含特征提取、标签生成、格式对齐），并编写数据治理全流程文档；

5.数据质量控制：制定并执行数据入库质控标准，监控数据治理各环节的完整性、准确性与时效性，定期输出数据质量评估报告；

6.与计算药理科学家及AI团队对接：按模型训练需求提供格式规范的数据集和知识图谱查询接口，协助排查因数据问题导致的模型表现异常。

1.学历要求：硕士及以上（博士优先）；

2.专业要求：生物信息学、计算生物学、医学信息学、生物统计学等相关专业；

3.工作经验要求：

（1）硕士具有2年以上医学大队列数据清洗或多组学整合分析经验，博士具有1年以上相关经验；

（2）有构建疾病专病数据库、知识图谱或参与真实世界研究数据处理者优先；

（3）熟练掌握Python和R，能独立完成临床/组学数据的清洗、缺失值插补、批次效应校正与质控，熟悉常用生物信息学工具（如SAMtools、GATK、DESeq2、edgeR等）；

（4）熟悉至少两种多组学数据类型（基因组、转录组、蛋白组、代谢组）的原始数据格式与标准分析流程，了解各类数据的技术噪声来源与处理策略；

（5）掌握医学标准术语集（MedDRA、ATC、LOINC、SNOMED CT至少一种），具备将异构医疗数据对齐到统一本体框架的实战能力；

（6）熟练使用SQL，了解Spark/Pandas等大数据处理框架，有电子健康记录（EHR）或不良事件报告数据库（如FAERS）处理经验者优先；

（7）具备基本的数据安全与隐私保护意识，了解去标识化、脱敏处理原则；

（8）具备良好的跨团队协作能力，能与临床医生、生物学家及AI算法工程师紧密配合，清晰阐述数据背后的生物学/临床含义。

医药数据治理助理

2

生物信息学、医学信息学、药学、生物技术、生物工程、基础医学等相关专业

本科及以上（硕士优先）

1.数据清洗与整理：在医学数据治理科学家的指导下，对原始临床数据、多组学数据表、不良反应报告等进行格式统一、去重、缺失值标注和基础质控，确保数据质量可追踪；

2.知识图谱数据维护：协助进行知识图谱的实体和关系录入、核对与更新，维护术语映射表，根据专家要求补充药物-靶点-疾病等关系条目；

3.文献检索与信息提取：根据计算药理科学家的需求，检索指定药物、靶点或疾病的相关文献，提取关键作用机制、适应症、副作用等信息，整理成结构化文档；

4.数据标注与校验：参与AI模型训练数据的标注工作（如药物-靶点关系确认、表型标签标注），并在专家指导下进行标注一致性的自查与质量控制；

5.文档与流程管理：编写和更新数据治理操作手册，记录数据处理步骤和版本变更；维护样本ID映射表和数据字典，保障团队内部信息对齐；

6.团队支持与沟通：协助安排跨团队数据对接会议，记录会议纪要，跟进行动项；对接合作方数据交付物，做好收发记录和初步完整性检查。

1.学历要求：本科及以上（硕士优先）；

2.专业要求：生物信息学、医学信息学、药学、生物技术、生物工程、基础医学等相关专业；

3.工作经验：

（1）本科具有1年以上生物医学数据处理或科研助理经验者优先，硕士可接受应届毕业生；

（2）有医院信息科、药企数据管理、生物样本库或医学文献标注等实习/工作经历者优先；

（3）能够使用Python或R进行基础数据处理，能独立完成Excel/CSV表格的清洗、合并、格式转换与简单统计分析；

（4）了解常见的生物医学数据库（如NCBI、UniProt、DrugBank、CTD等），能根据要求进行数据检索与下载；

（5）熟悉常用办公软件，能使用文献管理工具（EndNote、Zotero等）进行文献搜集与整理，具备阅读英文文献摘要并提取关键信息的能力；

（6）了解SQL基本查询语句，能在指导下操作数据库；

（7）工作细致、耐心，具备良好的数据敏感度，能发现明显的格式错误和逻辑矛盾；

（8）有较强的学习意愿，愿意深入了解多组学数据、药物靶点知识及AI模型训练数据需求。

计算药理科学家

1

药理学、毒理学、系统生物学、化学生物学等相关专业

硕士及以上（博士优先）

1.药物靶点假设生成与评估：综合真实世界数据信号、知识图谱信息和文献证据，提出药物可能的新靶点和新适应症假设，并对计算团队预测的候选靶点列表进行生物学可行性和安全性初筛；

2.AI训练任务定义与特征工程顾问：与医学数据治理专家、AI工程师通力合作，共同定义药理大模型的预测任务（如靶点结合预测、通路扰动预测、毒性预警等），设计合理的训练集标签和评估基准；从药理学角度推荐有意义的分子描述符、蛋白特征和组学特征；

3.模型输出评审与迭代优化：审查模型预测结果的生物学合理性，识别并分析假阳性和假阴性背后的可能机制；提出数据补充、标签修正或特征增减建议，驱动模型迭代；

4.毒理反筛选规则库建设：将文献和数据库中的器官毒性、脱靶风险知识提炼为结构化规则，与数据治理工程师和AI团队协作，将其编码为模型可调用的规则引擎或后处理过滤器。

1.学历要求：硕士及以上（博士优先）；

2.专业要求：药理学、毒理学、系统生物学、化学生物学等相关专业；

3.工作经验要求：

（1）硕士具有2年以上药物作用机制研究或早期药物发现经验，博士具有1年以上相关经验；

（2）有与计算团队（AI/生信）协作经历，或参与过AI辅助药物研发项目者优先；

（3）掌握药物-靶点-通路-疾病关系的基本分析方法，熟悉DrugBank、BindingDB、ChEMBL、PDBbind等数据库的使用，能基于文献和通路知识快速评估靶点的生物学可行性与潜在脱靶风险；

（4）深入理解药物的ADMET（吸收、分布、代谢、排泄、毒性）性质及药代动力学基本原理，能熟练解读酶学/细胞水平的IC50、EC50及选择性谱数据；

（5）具备卓越的跨团队协作能力，能充当“数据侧”与“模型侧”之间的翻译官，与数据治理科学家和智能体架构工程师高效对接，确保医学逻辑在AI模型中的正确嵌入。