蛋白质设计团队负责人

工作内容
在生物信息学组内带领团队开发与应用计算蛋白质设计能力，全面赋能中国种业研发（Seeds R&D）。负责组建与带领团队，提升技术能力，推动农业应用导向的蛋白质发现、工程化改造与优化。通过与性状发现科学家、分子生物学家、育种家及数字化合作伙伴紧密协作，将生物学挑战转化为创新的蛋白质工程解决方案，加速抗虫、耐除草剂、抗病、基因组编辑、抗非生物逆境、增产及其他下一代性状技术的研发进程。

• 团队领导与能力建设（Team Leadership & Capability Development）
1、招聘、指导并带领一支高绩效的蛋白质设计科学家与计算生物学家团队。建立技术标准、最佳实践以及可复用的工作流程，持续提升在蛋白质工程、结构生物学、机器学习及计算设计等领域的技术能力。促进中国与全球生物信息团队之间的协作，全力支持种业研发的长期战略目标。

• 蛋白质设计与工程化创新（Protein Design & Engineering Innovation）
2、主导用于蛋白质发现、工程化与优化的计算方法开发与应用。结合蛋白质序列分析、结构生物学、机器学习和生成式设计的前沿进展，构建创新的解决方案，有力支持抗虫、耐除草剂、抗病、基因组编辑以及其他生物技术与育种研发目标。

• 设计平台、工作流与计算方法(Design Platforms, Workflows & Computational Methods)
3、构建并维护高扩展性的蛋白质设计工作流与计算平台，支持序列分析、结构预测、蛋白质工程改造、设计方案优先级排序及候选分子评估。持续评估并引入新兴技术，提高蛋白质发现与优化项目的研发效率与成功率。

• 性状研发管线与实验整合（Trait Pipeline & Experimental Integration）
4、与性状发现科学家、分子生物学家、育种家及组学核心实验室（Omics Core Lab）紧密合作，将农业领域的实际挑战转化为可执行的蛋白质工程目标。建立整合实验数据的“设计-构建-测试-学习 （DBTL）”迭代工作流，实现蛋白质设计的持续优化，加速将优质候选分子交付至种业研发管线。

• 跨职能协作与科研合作(Cross-Functional Collaboration & Scientific Partnerships)
5、与生物信息学、AI 工程、功能基因组学、性状数字化与基因组学（Traits Digitalization & Genomics）及其他科研团队协作，将蛋白质设计能力深度整合到更广泛的性状发现工作流中。与外部学术界、工业界及技术合作伙伴建立并保持富有成效的合作关系，加速技术创新并拓宽获取前沿科研能力的途径。

• 技术战略与科学前沿探索（Technology Strategy & Scientific Advancement）
6、持续追踪蛋白质工程、结构生物学、人工智能及计算生物技术领域的最新动态。评估可强化先正达蛋白质设计能力的新兴方法、技术平台及战略合作机会，加速下一代农业技术的开发。

任职条件
1、计算生物学、生物信息学、结构生物学、蛋白质工程、生物化学或相关定量学科（Quantitative Discipline）的博士学位。
2、5 年以上计算蛋白质设计、蛋白质工程、结构生物学、AI for Science/Biology 或相关科研经验，包含技术项目管理或团队领导经验。
3、具有将计算方法成功应用于蛋白质发现、优化或工程改造的实证成果，并具备支持实验验证及“设计-构建-测试-学习 (DBTL)”循环迭代的实践经验。
4、具备在涵盖生物学、生物信息学、数据科学和实验研究职能的跨学科团队中协同工作的经验。
5、具有农业、生物技术、生命科学或相关研发密集型行业背景者优先考虑。
6、拥有卓越的科研创新记录（如发表高影响力学术论文、拥有专利、成功主导核心技术开发或成功将计算方法应用于生物学研究）者高度优先。
7、深入理解蛋白质结构与功能关系、蛋白质生物化学、蛋白质工程、分子间相互作用、蛋白质稳定性以及分子设计原理。
8、熟知应用于蛋白质发现与优化的计算蛋白质设计方法、结构生物学、机器学习及 AI 技术。
9、熟悉现代蛋白质建模技术，包括蛋白质语言模型（Protein Language Models）、生成式设计方法以及结构预测工具。
10、理解生物技术研究、生物数据分析，以及用于表征和验证蛋白质功能与活性的实验流程。
11、了解植物生物学、作物遗传学及农业性状发现基础者优先。
12、精通 Python 及现代科学软件开发实践，具备计算生物学、结构生物学背景，并有将机器学习方法应用于生物学研究的实际经验。
13、具备将计算与 AI 驱动方法应用于蛋白质设计、工程改造与优化难题的实战能力。
14、具备利用云平台与 HPC 高性能计算环境支持大规模蛋白质建模与设计工作流的能力。
15、具备组建和培养高绩效科研团队的能力，并能有效建立技术标准、最佳实践与高效的协作工作模式。
16、出色的跨团队沟通与协调能力，能够将复杂的计算与生物学概念转化为面向不同利益相关方和高管团队的可执行科研战略。
17、具备在计算、实验团队以及外部科研合作伙伴之间建立高效多方协作的实证能力。
18、优秀的英语口语表达与书面写作能力（工作语言）。