临港实验室招聘启事-数据科学中心

因工作需要，现面向社会公开招聘岗位。具体事项如下：

一、招聘岗位

科研数据平台： 数据管理团队负责人（1人）

岗位职责

1、领导和管理数据平台团队，和建设用于药物研发的生物医学可信数据平台。

2、建立并维护生物医学数据库，整合：人类遗传学证据、组学数据（基因表达、蛋白质组等）、疾病关联数据、生物通路和功能注释、药物和临床研究信息和文献知识库等数据。

3、和脑机接口团队合作建设和管理脑机接口数据库。

4、建立科学数据管理体系，包括数据标准、质量控制、版本管理和数据共享策略。设计数据访问和协作机制，支持内部研究和外部合作。确保数据符合隐私保护、伦理规范和监管要求。

5、建立统一的数据标准和数据模型，整合多源和多模态数据，提高数据的可视性。

6、建立可扩展的数据库，为建模和数据挖掘提供高质量数据资源。

7、构建数据驱动的人工智能应用体系支持靶标发现、疾病机制研究和药物临床研究。

8、领导和协调和医院、科研机构和企业的合作。

任职要求

1、生物医学信息学、生物信息学、计算科学或相关领域博士学位（PhD），或硕士并具有丰富经验。

2、5年（博士）或者10年（硕士）以上生物医学数据平台建设相关经验。

3、具备管理数据库建设和开发团队的经验。

4、具有整合多组学数据、临床数据和公共数据库的实践经验。

5、熟悉主要生物医学数据库和知识资源（如遗传学、组学和疾病数据库）。

6、具备数据库架构设计和数据标准化经验。

7、具备跨学科团队合作能力，能够与生物学家、数据科学家和药物研发团队协作。

8、参与过大型生物医学数据平台或知识库建设项目。

生物分子设计：大分子设计团队负责人（1人）

岗位职责

1、带领团队开展核酸、多肽、抗体及蛋白质等大分子的结构设计、预测与优化，主导复杂靶点的分子设计方案制定；

2、牵头分析蛋白-配体、蛋白-蛋白及抗原-抗体相互作用机制，为药物分子的活性优化提供核心理论依据；

3、组织虚拟筛选与分子优选工作，输出精准的候选分子清单，指导实验团队开展验证工作。

4、负责内部大分子设计与分析平台的搭建、迭代及维护，推动建模、模拟与分析流程的自动化升级；

5、与实验团队、药物化学团队、生物学团队等紧密协作，整合多维度数据，构建“计算-实验”闭环优化体系；

6、参与项目从早期发现到临床前优化的全流程决策，提供专业技术建议，保障项目按计划推进；

任职要求

1、计算生物学、计算化学、生物信息学、结构生物学或相关领域博士学位

2、3年以上大分子结构设计和数据分析相关工作经验，其中1年以上团队管理经验，有药物研发全流程经验者优先。

3、精通大分子结构预测（蛋白/抗体/核酸）、分子对接与虚拟筛选或者分子动力学模拟等的技术，能独立解决复杂技术问题；

4、熟练掌握Python等编程语言，精通Linux开发环境及高性能计算（HPC）使用；

5、有抗体工程、蛋白设计、ADC或核酸药物（如siRNA、mRNA）相关研发经验；

6、熟悉AI在蛋白/大分子设计中的应用并成功实践。

生物分子设计：大分子设计科研岗（2人）

岗位职责

1、利用计算方法设计、预测和优化核酸、多肽、抗体及蛋白质等大分子结构。 

2、分析蛋白-配体、蛋白-蛋白及抗原-抗体相互作用机制。

3、开展虚拟筛选与分子优选，辅助实验设计与验证。

4、利用分子动力学模拟研究大分子的构象变化、稳定性及相互作用机制。 

5、搭建、优化并维护内部大分子设计与分析平台，实现建模、模拟与分析流程自动化。

6、在高性能计算平台构建标准化计算流程，提升计算效率与可重复性。 

7、与实验团队协作，整合分子结构、生物活性及组学数据，形成闭环优化体系。 

8、与药物化学、生物学、结构生物学及DMPK团队紧密合作，支持项目从早期发现到优化阶段。

9、跟踪领域前沿技术，并推动内部应用。

任职要求

1、计算化学、生物信息学、结构生物学或相关领域硕士或博士学位。

2、具备以下一个或多个方向的实际项目经验：大分子结构预测（蛋白/抗体/核酸）；分子对接与虚拟筛选；蛋白-蛋白/抗原-抗体相互作用分析；表位预测；分子动力学模拟及自由能计算。 

3、熟练掌握Python等编程语言，熟悉Linux开发环境及高性能计算（HPC）使用。

4、熟悉容器化技术（Docker、Singularity）、工作流工具（Nextflow、Snakemake）、版本管理（Git）、计算资源调度系统（Slurm、Kubernetes）及云计算平台。

5、熟练掌握分子设计与模拟软件，如Rosetta、MOE、GROMACS、Schrödinger等，具备结构分析及可视化工具使用经验（如PyMOL、Chimera等）。

6、优先考虑： 有抗体工程、蛋白设计， ADC或核酸药物（如siRNA、mRNA）相关经验、熟悉AI在蛋白/大分子设计中的应用、有跨学科团队合作经验或工业界药物研发经验。

生物信息：人类疾病队列研究团队负责人（2人）

岗位职责

1、制定并实施基于人类疾病队列的研究战略，以支持新药靶点的发现与机制研究。

2、基于人类遗传学、临床表型和多组学数据，提出、评估并优先排序疾病机制假说，并推动验证研究。

3、领导疾病队列的整体设计与实施，包括研究概念、研究方案、纳入/排除标准以及表型定义等。

4、建立并管理与医院及临床研究机构的合作关系，并协调合同研究组织（CRO）的合作。

5、制定并监督生物样本策略和标准化操作流程，包括样本采集、处理、存储、质量控制和追踪，以及与临床和分子数据的整合。

6、领导多组学数据的生成和科学分析，包括基因组学、转录组学、蛋白质组学、代谢组学等。

7、转化队列研究中获得的遗传学和组学数据为可验证的疾病机制、靶点和关键生物通路。

8、与疾病生物学团队合作，设计并推进靶点和疾病机制的功能验证研究。

9、与数据科学、生物信息学和数据管理等团队协作，建设和维护高质量的临床队列数据资源平台。

任职要求

1、人类遗传学、流行病学、统计遗传学、基因组学、生物信息学、计算生物学、医学或相关领域博士学位（PhD、MD 或 MD/PhD）。

2、5年以上从事人类疾病研究或转化医学研究的相关经验。

3、具备建立和管理疾病队列或自然人群队列研究的经验。

4、有应用人类队列数据和多组学数据开展靶点发现或疾病机制研究的经验。

5、具有人类遗传学及因果推断的研究经历，例如全基因组关联研究（GWAS）、罕见变异分析、多基因风险评分、孟德尔随机化等。

6、具有整合多组学数据、临床数据及真实世界数据开展系统性分析的经验。

7、在至少一个疾病领域具有深入专业知识，例如心血管代谢、免疫学、神经与精神疾病或肿瘤学。

真实世界数据：医疗信息-数据工程团队负责人（1人）

岗位职责

1、负责真实世界数据平台的架构设计、开发与持续优化，支持电子病历、医保、登记、随访等多源医疗数据的接入、管理与分析应用。

2、统筹医疗数据采集、清洗、转换、标准化、质量控制和数据交付流程，确保数据处理过程规范、稳定、可追溯。

3、负责真实世界数据治理体系建设，包括数据标准、数据字典、元数据、数据模型、权限及数据安全管理规范。

4、负责数据安全与隐私保护相关技术方案落地，包括数据脱敏、匿名化、加密、访问控制与日志审计等，确保符合医疗数据合规要求。

5、对接外部数据供应商、医院 IT 团队及内部统计、研究和合规团队，确保数据安全传输与合规管理。

6、负责数据工程团队管理，包括任务分配、技术审核、流程规范、人员培养和项目交付质量把控。

任职要求

1、计算机科学、软件工程、数据科学、生物信息学或相关专业硕士及以上学历。

2、具有5年及以上数据工程、数据集成、数据治理或数据平台建设经验，至少3年医疗信息系统开发与实施经验，熟悉医院业务架构和医院信息系统。

3、熟悉电子病历、HIS/EMR、LIS、医保、疾病登记、随访等医疗数据结构及常见质量问题。

4、熟悉数据仓库、数据建模、ETL/ELT、数据质量控制、数据血缘和数据版本管理。

5、精通SQL, 熟练掌握Python或Scala，熟悉分布式计算框架（如Spark）。

6、熟悉医疗数据标准化和数据模型建设，有 OMOP，CDM、CDISC、药品编码 或检验检查标准化经验者优先。

7、熟悉数据安全、隐私保护和医疗数据合规要求，有数据脱敏、访问控制、审计追踪等实践经验。

8、具备团队管理或项目技术负责人经验，能够推动多项目并行交付和跨团队协作。

真实世界数据：医疗信息-高级数据工程师（1人）

岗位职责

1、参与真实世界数据平台建设与优化，支持多源异构医学数据（如电子病历、医保数据、疾病登记等）的接入、处理与管理。

2、负责数据采集、清洗、转换、标准化与集成 (ETL/ELT) 流程开发，提升数据处理的自动化、稳定性和可追溯性。

3、负责数据字典、变量映射、数据模型、版本控制和数据交付表的开发与维护。

4、执行数据质量控制规则，识别并处理数据缺失、异常、不一致和重复等问题，形成数据质量检查结果。

5、落实数据脱敏、访问控制、日志审计等数据安全与隐私保护技术措施，支持合规的数据处理和传输。

任职要求

1、计算机科学、软件工程、生物信息学或相关专业本科及以上学历。

2、3年以上数据集成、数据治理、ETL开发相关经验，至少2年医疗健康数据处理经验。

3、熟悉电子病历、HIS/EMR、LIS、医保、疾病登记等医疗数据结构及常见质量问题。

4、精通SQL，熟练掌握Python、Scala或Java中至少一种语言，熟悉分布式计算框架（如Spark）者优先。

5、熟练使用ETL/调度工具，有OMOP CDM、CDISC、药品编码标准化经验者优先。

6、理解数据安全、隐私保护和医疗数据合规要求，有数据脱敏、权限控制、审计追踪实践经验者优先。

7、逻辑清晰、执行力强，具备跨团队沟通能力。

真实世界数据：数据分析团队负责人（1人）

岗位职责

1、负责真实世界数据分析方向的技术路线规划与项目落地，支持药物研发、患者分层、治疗-反应预测、疾病路径分析和药物再定位等研究。

2、统筹机器学习、预测建模、自然语言处理等方法在真实世界研究中的应用，负责分析方案设计、方法选择和技术质量把关。

3、牵头医疗文本结构化分析流程建设，支持病历、检验报告、出院记录、随访记录等非结构化数据的信息抽取和变量构建。

4、与流行病学家、真实世界研究科学家、统计师、临床专家和数据工程团队合作，明确研究问题、变量定义、建模路径和结果解释框架。

5、指导机器学习工程师或数据科学人员完成模型开发、验证、性能评估和分析结果输出。

6、负责团队任务分解、技术审核、项目进度管理和交付质量把控。

任职要求

1、计算机、人工智能、数据科学、统计、生物统计、生物信息学或相关专业硕士及以上学历，博士优先。

2、具有5年及以上数据科学、机器学习、NLP、统计建模或相关工作经验，熟知医疗数据项目从研究设计、数据采集处理、变量构建、模型开发、结果验证到研究报告产生全流程。

3、熟悉机器学习、预测建模或自然语言处理中的一种或多种方法。

4、熟练使用 Python或R，熟悉常用机器学习/深度学习框架。

5、有医疗文本处理、信息抽取、文本分类或结构化经验者优先。

6、具备项目管理或团队管理经验，能够推动跨部门协作和项目交付。

7、具备良好的英文阅读、技术文档撰写能力。

真实世界数据：数据分析-机器学习工程师（1人）

岗位职责

1、基于真实世界数据开展机器学习、预测模型和医疗NLP 等分析，支持患者分层、治疗-反应预测、疾病路径分析和药物再定位等研究。

2、对非结构化医疗文本（病历、检验报告、出院记录等）进行信息抽取、文本分类、实体识别和结构化。

3、根据项目需求开发和优化模型算法，完成特征工程、模型训练、验证、性能评估和结果输出。

4、参与标准化分析pipeline、数据产品和可视化工具 开发，提高模型开发和分析交付效率。

5、输出高质量分析报告，与流行病学家、统计师、RWE科学家合作，完成数据处理、模型实现和结果阐释。

6、撰写技术文档、分析说明和模型验证结果。

任职要求

1、计算机、人工智能、数据科学、统计学、生物统计或相关专业硕士及以上学历。

2、3年以上机器学习、NLP、数据科学或医疗数据分析相关经验。

3、熟练掌握 Python，熟悉 SQL，具备良好的程序开发和算法实现能力。

4、熟悉机器学习或深度学习方法，如 XGBoost、随机森林、神经网络、transformers 等。

5、有医疗 NLP 经验者优先，包括 NER、文本分类、关系抽取、病历结构化、BERT/MedBERT/LLM 应用等。

6、良好的沟通、跨部门协作能力，执行力和文档撰写能力，能够与数据工程、生物统计、RWE 和临床团队协作。

真实世界数据：证据生成-真实世界研究科研岗 （3人）

岗位职责

1、对接转化医学、临床开发及内部相关研发团队，深入理解其科学问题与证据需求，并将其转化为可行的RWE研究假设。

2、负责真实世界研究方案设计，包括研究目标、研究人群、暴露与结局定义、数据源选择、统计分析计划、偏倚控制与监管/合规路径。

3、与数据工程师、统计师和临床专家协作，明确变量定义、数据处理规则

分析计划和结果解释框架，确保研究设计与数据实现一致。

4、管理研究执行全过程，确保数据质量与分析严谨性，并对研究结果进行科学解读与合理论证，形成对研发决策有直接支持作用的证据报告。

5、向跨部门合作团队清晰传达RWE研究的价值、设计与结果，推动数据在内部决策中的应用。

任职要求

1、流行病学、公共卫生、临床医学、药学、生物统计学等相关专业硕士及以上学历。

2、3年以上制药企业、生物技术公司、CRO或科研机构的真实世界研究相关经验，熟知从研究设计、统计学方法、数据采集处理、数据挖掘到研究报告产生全流程。

3、熟悉常见真实世界数据源特点及适用场景，包括电子病历、医保/理赔数据、疾病登记、随访数据或临床队列数据。

4、掌握真实世界研究常用设计和方法，如队列研究、病例对照研究、目标试验模拟、外部对照组、倾向性评分等。

5、参与过支持监管决策或内部研发决策的 RWE项目。

6、能够熟练使用SAS、R或Python等至少一种统计软件。

7、良好的沟通、跨部门协作能力，能与数据挖掘/数据治理/临床科学团队高效协作。

8、具备英文阅读与英文医学文本撰写能力。

靶标发现与遗传学/生物分子设计：数据分析科研岗（2人）

岗位职责

1、分析和整合公共及专有的遗传学、基因组、转录组和蛋白质组数据集，为多种治疗模式发现新型药物靶点和临床生物标志物。

2、进行生物通路和网络分析，以揭示基因和蛋白质与疾病相关的生物学机制。

3、应用系统生物学方法，将遗传关联与功能性生物学结合，提出可检验的科学假说。

4、开发并维护内部靶点信息数据库，包括数据清洗、标准化、注释、可视化及 API 接口建设。

任职要求

1、拥有计算生物学、生物信息学、基因组学、系统生物学或相关领域的硕士学位或博士学位。

2、具有疾病或生物学相关的组学分析的项目经历，例如：GWAS、eQTL/pQTL、Mendelian randomization、GO、KEGG等。

3、熟悉公共数据库，例如：GWAS Catalog、UK Biobank、GTEx、TCGA，DepMap、Open Targets等。

4、熟练掌握Python、R等编程语言；熟悉Linux开发环境。加分项：熟悉Docker、Singularity等容器开发和使用；熟悉MongoDB等数据库管理工具；了解nextflow、snakemake等工作流开发工具；了解git等版本管理工具；了解slurm调度平台。

5、具备神经精神科学、免疫学、癌症生物学和代谢疾病等领域研究经历者优先。

靶标发现与遗传学/生物分子设计： 机器学习科研岗（3人）

岗位职责

1、开发机器学习或深度学习算法，用于数据驱动的药物靶点发现。

2、构建与迭代基于AI的分子设计平台，包括生成式模型的开发与应用。

3、建立和维护结构和活性关系（SAR）建模体系，开发并应用多种建模方法，包括传统QSAR模型及深度学习模型等。

4、开发和应用机器学习模型预测成药性性质，包括吸收、分布、代谢及毒性等，用于候选分子的早期筛选与风险评估。

5、结合机理模型和机器学习模型开发“数字孪生(Digital Twins)”，整合高维多组学，为多种疾病提供预测模型。

6、评估和构建虚拟细胞大模型，支持靶标发现和疾病机制假说验证。

7、跟踪图神经网络、生成模型、因果推断、多模态融合等前沿算法进展，评估其在生物医药领域的应用价值。

任职要求

1、拥有计算机科学、人工智能、数学、统计学、电子工程、生物信息学或相关领域的硕士学位或者博士学位。

2、具备以下一个或多个方向的实际项目经验：基于生成模型的分子设计与优化项目；完整的SAR建模实践（QSAR + 深度学习）；机制模型与机器学习结合的Digital Twin；蛋白/单细胞等生物大模型（foundation model）开发或应用经验具有扎实的算法基础。

3、精通python及深度学习框架，如PyTorch、TensorFlow、JAX等。

4、具有优秀的沟通能力，能够理解生物学问题并抽象为计算任务；能够清晰的向生物学家展示模型效果。

5、具备良好的代码注释、文档撰写、版本控制等工程素养。

6、有发表论文（会议或期刊）或开源项目经验者优先。

三、其他信息

岗位薪资：薪资面议。

目前工作地点：上海市闵行区合川路2380号科技绿洲37号楼，可接受搬迁至临港。

四、应聘方式

有意向者请将个人简历发送至hr@lglab.ac.cn，邮件标题请注明姓名和应聘岗位。