| 查看: 435 | 回复: 0 | |||||||||||||
[交流]
AI for Science 计算结构生物学研究员
|
职位二：AI for Science 计算结构生物学研究员 【你将做什么】 定义高价值的蛋白质问题与 showcase：从科学意义、模型能力增量、证据可靠性和结果解释力出发，设计有代表性的 case，明确问题为什么重要、模型需要解决什么，以及成功如何判断。 评估折叠、复合物预测、docking 和突变效应预测等模型，判断其结构合理性与生物学可信度，指出并归纳典型失败模式。 结合实验结构、预测模型、生化证据和文献，判断结构是否可信、机制是否成立、模型为什么失败，并将分析方法沉淀为可复现的 workflow、评测案例和研究资产。 从 PDB/mmCIF、EMDB、UniProt 和原始文献中整理可追溯的结构证据，构建训练样本、评测 case、机制推理任务和可复核的 ground truth。 与模型和数据团队协作，把结构问题转化为模型能力定义、数据需求和评测方法，判断哪些方向真正具有科学价值。 【你应该具备】 博士学位或在读博士，方向包括结构生物学、计算结构生物学等。 能独立分析蛋白质及大分子复合物结构，理解生物学组装、结合界面、构象异质性、柔性区域、突变影响和结构功能关系。 使用过 AlphaFold、Protenix 等结构预测模型，理解 pLDDT、PAE、ipTM 等指标的适用边界，能够结合实验结构、序列、生化证据和文献判断预测结果。 熟悉 PDB/mmCIF、EMDB 等结构数据，以及 PyMOL、ChimeraX 或其他结构分析工具。 具备 Python、Linux 和基础脚本能力，能将结构分析整理为可复现流程，并与模型和数据团队有效协作。 【加分项】 具备实验结构生物学的 first-hand 经验。完整参与过冷冻电镜、晶体学或其他结构解析项目，理解从样品和原始数据到三维结构、原子模型及机制结论的证据链。 做过疾病突变解释、药物靶点机制、候选分子优先级排序、抗体工程或蛋白设计项目，并与实验团队共同验证过预测。 有结构模型评测、Benchmark、训练数据构建、模型错误分析或 LLM / Agent workflow 经验。 有高质量论文、开源工具或其他可验证的研究产出。 【你不会喜欢这个职位如果你】 只愿意研究单个结构体系，不愿把结构判断转化为通用的模型反馈、评测方法或可复用 workflow。 仅以单一指标（例如 pLDDT、PAE、ipTM、RMSD）直接当作结构或机制正确性的结论。 不愿反复回到原始文献、序列和对照结构中 cross-check，或不愿推翻自己的初版解释。 不关心这些分析是否真正改变了模型判断或科学决策。 |
回复此楼» 猜你喜欢
OpenAI又攻克数学难题了，离AI做有机合成还有多远？
已经有12人回复
-
极限拉扯，如何抉择
已经有13人回复
-
课题组会帮你通过考核么？
已经有7人回复
-
入职后第一次管课题组的专利缴费，对账才发现官费比别人多掏了一倍
已经有6人回复
-
售一区SCI文章T0P，我:8O.551.O54,科目全,可十急
已经有9人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有8人回复
-
售SCI一区文章，我:8O5.5.1.O5.4,科目全,可伽急
已经有10人回复
-
售SCI一区T0P文章，我:8.O55.1.O.54,科目全,可十急
已经有9人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有7人回复
-
售SCI文章，我:8O5.5.1.O.54,科目齐全,可+急
已经有10人回复
