生物药研发AI生物技术管理生物技术AI管理 岗位职责
1. 战略制定与体系搭建
制定并落地金赛生物 AI 整体战略，建设可复用的数据资产、AI 模型、分析流程与评估体系，推动药物研发从“计算辅助研究”向“计算驱动研究”转型，全面赋能新药发现与转化研究。
2. 团队建设与管理
搭建、扩充并培养跨学科生物 AI 团队，覆盖计算生物学、生物信息学、系统生物学、统计遗传学、机器学习、科研软件开发等方向人才，确保团队兼具科学深度与工程落地能力。
3. 一线科研深度参与
提炼核心生物学科学问题，设计数据分析方案，验证模型可靠性，解读实验结论，并为项目团队输出清晰可行的研发建议，直接驱动管线决策。
4. 多模态生物数据分析流程
搭建适配多模态生物数据的标准化、可扩展分析流程，涵盖批量转录组、单细胞转录组、空间多组学、蛋白质组、代谢组、基因组、表观基因组、功能基因组筛选、生物影像及临床生物标志物数据等。
5. AI 技术体系研发
建立贯穿新药发现至转化阶段的 AI 技术体系，包括靶点识别与验证、疾病通路与作用机制建模、生物标志物与适应症开发策略、药效响应/耐药性预测、临床数据反向转化研究等。
6. 闭环学习与决策联动
构建闭环学习系统，打通公开数据库、企业内部数据、基础大模型、知识图谱与湿实验反馈链路，优化科研假设生成逻辑；与新药发现及转化医学团队协同，将生物学问题转化为可落地的计算方案，并将 AI 结果转化为靶点优先级排序、实验方案设计、作用机制验证、标志物筛选、项目推进等可执行研发决策。
7. 平台协同与工具建设
协同 AI 平台、AI 基础大模型团队，统一标准化建模数据集、数据规范、评测基准、通用分析流程、机器学习运维体系与模型评估方法，开发可复用、跨项目通用的生物 AI 工具与应用。
任职资格
· 学历背景
计算生物学、生物信息学、系统生物学、基因组学、统计遗传学、生物医学数据科学、机器学习或其他定量生命科学相关专业博士学历，或具备同等高水平行业经验。
· 工作经验
8-10 年及以上，在药企、生物科技公司、医学院校或 AI 新药研发企业从事计算生物学、生物信息学、人工智能/机器学习、多模态生物数据分析等相关工作。
· 团队管理
具备成熟的团队管理经验，有搭建并培养科研技术团队的实操经历，能够推动生物学、转化医学、AI 算法、数据工程及高层管理等多方跨部门协同决策。
· 多组学整合分析能力
精通多维度生物多组学数据整合分析，必须覆盖：转录组测序、单细胞测序、空间转录组、蛋白组、代谢组、基因组、表观组、功能基因筛选、生物影像、临床转化标志物数据。
· 方法论储备
扎实掌握以下一个或多个技术方向：统计建模、机器学习、因果推断、通路网络生物学、知识图谱、扰动建模、生物基础大模型、图表示学习、模型可解释性、可复现科研体系。
· 新药研发落地经验
拥有将上述技术落地新药研发并支撑项目决策的完整实操经验，应用场景需涵盖：靶点挖掘/验证/优先级判定、适应症筛选、生物标志物方案、患者分层、药物作用机制解析、药效响应与耐药预测、临床反向转化等。
· 编程与工程能力
熟练掌握 Python/R 至少一种；熟悉 Nextflow、Snakemake 等流程工具；掌握云计算、容器化、版本控制相关技术。
· 湿实验与转化生物学知识
具备扎实的湿实验与转化生物学知识储备，能够设计具备生物学意义且可通过实验验证的数据分析方案。
· 沟通与影响力
可面向科研人员、企业管理层、外部合作方清晰讲解复杂 AI 计算成果，过往工作具备影响科研管线与项目重大决策的成功案例。
优先加分项
· 拥有金赛核心疾病领域（儿科、健康、内分泌代谢疾病、皮肤病、风湿免疫、肿瘤）相关研究经验。
· 以论文、专利、临床/临床前管线成果、自研技术平台、行业权威专家身份体现突出科研影响力。