(一)基本条件
1、政治立场坚定,热爱祖国,遵纪守法,品行端正,身心健康。
2、具有良好的科研诚信意识、责任意识、沟通能力和团队协作精神。
3、工作认真细致,具有较强的学习能力、执行能力和问题分析能力,能够按照科研规范进行数据、代码和实验结果整理。
(二)学历与专业背景
1、已获得或于 2026 年 7 月前获得硕士学位,原则上硕士毕业 2 年以内。
2、专业背景包括但不限于生物信息学、计算生物学、人工智能、计算机科学与技术、软件工程、结构生物学、生物医学工程、药物信息学等相关方向。
3、具有人工智能与生命科学交叉研究经历者优先。
(三)专业技能要求
1、具有蛋白质结构与功能预测、蛋白质相关相互作用预测等相关方向的明确研究成果或项目经验(如在相关领域发表过学术论文、参与过重要项目或有自主开发的计算工具、专利等)。
2、熟练掌握 Python、R 或其他至少一种常用编程语言,具备较好的数据处理、脚本编写和结果分析能力。
3、熟悉 Linux 操作系统,能够进行命令行操作、环境配置、批量任务运行和数据文件管理等科研任务。
4、熟悉常用生物信息学数据库和数据资源,如 PDB、UniProt、AlphaFold DB、RCSB PDB、PubMed 等,能够独立获取和整理蛋白质序列、结构和功能注释信息。
5、熟悉蛋白质结构、蛋白质功能、蛋白质相互作用、结合位点、分子对接等基本概念,能够理解和处理蛋白质序列、结构文件及相关分析结果。
6、熟悉机器学习或深度学习,包括常见模型训练、验证、测试、指标评估和结果可视化方法。
7、具备规范的科研记录习惯,能够整理代码、数据、图表、实验参数和分析结果,形成可追溯的技术文档。
(四)优先考虑条件
符合以下条件之一者优先考虑:
1、具有蛋白质结构、功能、相互作用或结合位点预测等相关研究经历者优先。
2、具有机器学习、深度学习、生物信息学数据分析或科研软件开发经验者优先。
3、熟悉蛋白质语言模型、结构预测工具、分子对接/虚拟筛选或分子可视化工具者优先。
4、具有大语言模型应用、科研流程自动化、代码规范化和可复现分析流程构建知识及经验者优先。