AIDD实验数据分析科学家

职位概述：

该岗位将作为计算团队与湿实验团队之间的重要桥梁，围绕候选分子筛选、实验验证、性质评价及项目决策过程中产生的大规模、多维度实验数据，建立规范的数据分析、统计比较和结果解读方法，帮助团队从复杂实验数据中识别规律、评价候选分子差异，并为模型迭代和研发决策提供可靠的数据支持。

主要职责：

AIDD湿实验数据分析

负责 AIDD 项目相关湿实验数据的整理、质量控制、统计分析和结果解读；

对大量候选分子的实验结果进行横向及纵向比较，识别关键趋势、异常值及潜在规律；

支持不同批次、不同实验条件及不同候选分子之间的系统性比较分析。

统计分析与实验设计支持

根据研发问题选择合适的统计分析方法，包括描述性统计、假设检验、相关性分析、回归分析、多变量分析等；

支持实验设计（DOE）、样本量、重复性、变异来源以及实验结果显著性的评估；

建立合理的数据归一化、异常值处理及数据质量评价标准。

大规模数据整合与比较

整合来自不同实验平台、不同 assay 和不同研发阶段的数据；

建立可扩展的数据比较分析框架，对数百至数千个候选分子的多参数数据进行综合分析；

根据项目需求建立ranking、clustering、correlation、multivariate comparison 等分析方法，支持候选分子的优先级判断。

AIDD模型与实验数据衔接

与 AI/ML、计算化学及生物实验团队合作，对模型预测结果与实验结果进行系统比较；

分析预测值与实验值之间的相关性、偏差及潜在影响因素；

为 AIDD 模型训练、验证及迭代提供高质量实验数据和统计学反馈。

数据可视化与结果沟通

将复杂实验数据转化为清晰、直观的数据图表和分析报告；

建立适用于项目决策的数据 dashboard、summary table 或自动化分析流程；

能够向实验科学家、计算科学家及项目团队清晰解释统计分析结果及其生物学意义。

任职要求：

生物学、生物化学、生物统计学、生物信息学、药学、化学、计算生物学或相关专业博士学位；

具有扎实的统计学基础，能够根据不同实验问题选择并正确应用统计分析方法；

具备较强的定量分析能力，能够处理和比较大规模、多维度实验数据；

具有良好的实验数据理解能力，能够判断实验数据质量、变异性、重复性及统计意义；

具有较强的逻辑分析和问题拆解能力，能够从复杂数据中提炼关键结论；

具备良好的跨团队沟通能力，能够与湿实验、AI/ML及项目团队高效合作。

优先条件：

具备 Python、R 或类似数据分析工具的使用经验；

熟悉 pandas、NumPy、SciPy、scikit-learn、R tidyverse 等数据分析工具者优先；

有自动化数据处理、批量数据分析或可视化流程开发经验者优先；

有药物发现、生物制药、抗体/蛋白研发、筛选平台或高通量实验数据分析经验者优先；

有 AIDD、机器学习模型评价、预测结果与实验结果关联分析经验者优先；

熟悉高通量筛选、binding/affinity、activity、developability、ADME/PK 或其他药物研发相关实验数据者优先；

有多变量统计分析、PCA、聚类分析、回归建模、DOE 或大规模数据挖掘经验者优先。