| 查看: 32 | 回复: 0 | |||
[交流]
AI与蛋白质组学 博士后及科研实习生招募
|
|
国家蛋白质科学中心（北京）贺福初／常乘团队 海量质谱数据中，还有多少蛋白质信息等待被读懂？我们希望用更好的算法发现未知分子，并进一步理解它们如何共同影响细胞的行为。 我们面向海内外长期招募计算方向博士后及科研实习生。欢迎对蛋白质组学、人工智能和生命系统建模感兴趣的你，带着自己的问题与想法加入。 01 我们在探索什么 研究围绕三个相互联系的方向展开：从解析质谱数据，到发现未知蛋白质，再到理解生命网络的运行规律。 方向一 海量质谱数据的智能解析 我们研发的 π-MSNet 是面向 AI 应用的十亿级谱图规模蛋白质组学数据资源与分析平台。它通过统一元数据标准、自动化重分析和高效存储，将分散的质谱数据转化为可用于模型训练与评估的资源。 依托这一平台，你可以参与质谱数据处理、肽段从头测序等算法与多智能体系统研发，探索蛋白质组基础模型及其下游应用，让模型从海量数据中学到可用于实际分析的知识。 平台论文：π-MSNet 预印本 （https://www.biorxiv.org/content/10.64898/2026.04.13.718149v2） 方向二 探索蛋白质组暗物质 已知蛋白质之外，质谱数据中仍有大量尚未被充分解释的信号。它们可能来自未被充分注释的蛋白质或肽段，也可能为发现非经典蛋白质产物和候选新抗原提供线索。 我们将结合蛋白质组、基因组和转录组数据，开发识别这些信号的计算方法，并通过质量控制和后续验证筛选可靠发现。这里既需要算法创新，也需要对生物学问题的好奇心。 方向三 探索生命网络的跨尺度规律 一个分子的变化，如何影响整个细胞？我们融合蛋白互作网络、多时间点蛋白质组与转录组、扰动实验数据，研究分子响应如何在蛋白质、功能模块与细胞状态之间传播、耦合和被缓冲。 你可以参与网络层级结构发现、可视分析与细胞体系动力学建模，探索跨条件乃至跨物种共享的网络规律及其适用范围，寻找提示细胞状态临界转变的动态网络生物标志物（DNB），并结合独立数据与实验验证，为动力学约束的生命基础模型提供依据。 02 关于我们 国家蛋白质科学中心（北京），简称凤凰中心，是生物医药领域国家重大科技基础设施。中心拥有蛋白质组测序、数据分析与高性能计算平台，为计算方法开发及其生物学应用提供研究条件。 合作导师团队 贺福初，中国科学院院士、发展中国家科学院院士，国家蛋白质科学中心（北京）理事长。倡导并领衔国际人类肝脏蛋白质组计划，领衔实施“中国人蛋白质组计划”，推动蛋白质组学在肿瘤分子分型和精准医学中的应用。 常乘，副研究员，长期从事计算蛋白质组学及生物信息学研究，现任中国生物化学与分子生物学会蛋白质组学专委会委员、GPB 期刊青年编委。主持国家重点研发计划课题等多项科研任务，曾获中国发明协会发明创新奖一等奖（2020），获授权国家发明专利9项、软件著作权9项。 围绕如何从质谱数据中准确、高效地读出肽段序列，研发了 π-HelixNovo、π-HelixNovo2[1–2]及 π-PrimeNovo[3]等高性能肽段从头测序算法；进一步研发 π-NovoQC[4]，为基于深度学习的从头测序算法提供统一的质量控制框架，让新序列的发现有更可靠的判断依据。 近五年以通讯作者（含共同通讯作者）在 Nature Machine Intelligence、Nature Communications、Nucleic Acids Research、Genomics, Proteomics & Bioinformatics、Genome Biology、Analytical Chemistry 等期刊发表多篇研究论文。 更多研究工作：常乘 Google Scholar （https://scholar.google.com/citations?user=QI3RAk8AAAAJ&hl=en） 代表性论文 [1] Yang, T. et al. Introducing π-HelixNovo for practical large-scale de novo peptide sequencing. Briefings in Bioinformatics 25(2), bbae021 (2024). 论文链接 [2] Yang, T. et al. π-HelixNovo2: Making Accurate Online De Novo Peptide Sequencing Available to All. Genomics, Proteomics & Bioinformatics, qzag049 (2026). 论文链接 [3] Zhang, X. et al. π-PrimeNovo: an accurate and efficient non-autoregressive deep learning model for de novo peptide sequencing. Nature Communications 16, 267 (2025). 论文链接 [4] Liang, Z. et al. False discovery rate control enables trustworthy deep-learning-based de novo peptide sequencing. bioRxiv (2026), 预印本. 论文链接 03 博士后招聘 招聘人数若干，长期开放。 我们期待这样的你 • 已获得博士学位或即将博士毕业；原则上获博士学位不超过3年、年龄不超过35周岁，并符合相关博士后招收条件。 • 具有数学、统计学、计算机、人工智能、物理学、生物学、电子信息等相关专业背景。 • 以第一作者（含共同第一作者）发表过至少1篇中科院一区 SCI 论文，具有良好的科研基础和独立研究能力；有相关研究经验或成果者优先。 • 熟练掌握 Python、R、C++、Java 等至少一种编程语言，具备良好的中英文表达和交流能力。 薪酬与支持 • 年薪30万元起；承担科研项目任务可按有关规定享受科研绩效津贴，表现优秀者可获得绩效奖励。 • 按照全国博士后管理委员会办公室相关规定办理本人北京户口；配套北京市海淀区博士后公寓，并协助子女入托入学，具体按相关政策及实际安排执行。 • 优先支持以项目负责人身份申请各级科研基金，申报各类人才计划。 04 科研实习生招募 科研的起点，也可以是对一个问题的好奇。欢迎对计算蛋白质组学、生物信息学或 AI for Science 感兴趣的本科生、硕士生和博士生申请。 你可以从质谱数据处理与质量控制、算法复现与模型训练、多组学整合分析，或生命网络分析与动态建模中的具体问题入手。研究任务将结合你的基础、兴趣和项目需求安排。 我们希望你具备一定的编程或数据分析基础，愿意主动学习、认真推进研究，并保持及时沟通。熟悉 Python、R 等工具者优先。 • 实习形式：线上、线下均可；线下地点为北京或广州，每周至少投入3天相对固定的科研时间。线上实习需具备稳定的远程协作条件，保证持续投入和定期沟通。 • 实习周期：优先考虑可连续参与6个月及以上的申请者，具体安排可结合实际情况协商。 • 实习补贴：根据实际表现发放。 05 如何加入我们 联系邮箱：changcheng@ncpsb.org.cn或changchengbio@163.com 邮件主题：博士后／科研实习申请－姓名－学校－专业 请附个人简历，简要说明你感兴趣的研究方向、相关经历和预计到岗时间。博士后申请者请附代表性论文；实习申请者请说明可参与时长、每周投入时间及线上或线下意向，有课程项目、代码仓库或研究作品也欢迎一并提供。 如果你已经有想探索的问题，也欢迎写进邮件。期待了解你的想法，一起把问题研究清楚。 |
回复此楼» 猜你喜欢
售SCI一区T0P文章，我:8O.55.1.O.54,科目全,可伽急
已经有15人回复
-
售SCI一区T0P文章，我:8O.55.1.O.5.4,科目齐全,可+急
已经有15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18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.O.55.1.O54,科目全,可伽急
已经有16人回复
-
售SCI文章，我:8O.5.5.1O.54,科目全,可十急
已经有13人回复
-
售SCI一区T0P文章，我:8O.55.1.O.54,科目全,可伽急
已经有15人回复
-
售SCI文章，我:8O.5.5.1O.54,科目全,可十急
已经有14人回复
-
售SCI一区T0P文章，我:8O.55.1.O.54,科目全,可伽急
已经有12人回复
-
售SCI一区T0P文章，我:8.O.55.1.O.54,科目齐全,可+急
已经有14人回复
» 本主题相关商家推荐: (我也要在这里推广)
