生信工程师(博士后入站)

【本岗位聚焦三个核心科研方向：】
◆ 三代测序数据分析（长读长测序/第三代基因组学）
◆ 单细胞转录组/空间转录组等测序数据分析（Single-cell / Spatial transcriptome）
◆ PGT数据分析（胚胎植入前遗传学检测 / 染色体非整倍体 / 单基因病）
职责
研究设计:独立承担科研课题，制定研究方案、实验设计及技术路线；参与科研项目申报（国家/省市博士后基金等）
算法开发:基于Python/R/Bash开发数据分析流程，运用Snakemake/Nextflow等工作流工具实现自动化；代码规范管理（Git）
数据管理：负责测序数据的存储、整理与版本管理；维护内部数据库及参考基因组注释资源；保障数据安全与隐私合规
成果产出：在国内外高水平期刊（SCI，影响因子≥5为佳）发表论文；申请相关专利；主导或参与技术报告撰写
产业转化：将科研成果转化为可落地的产品算法或检测方案；配合产品团队完成技术文档与注册资料准备
团队协作：与实验室、临床、产品、市场部门协同开展跨学科合作；指导或带领初级研究人员、实习生
对外交流：参加国内外学术会议并汇报成果；承担部分高校/院所合作课题的对接与沟通工作
【专业技能要求】
编程语言：Python（必须）、R（必须）、Bash/Shell（必须）；熟悉Nextflow / Snakemake者优先
三代测序工具：Minimap2、PBMM2、pbsv、Sniffles、CANU/Hifiasm/Flye组装工具中至少掌握2种
单细胞分析框架：Seurat / Scanpy（至少1个），熟悉Harmony/Scanorama整合、MACS2/ArchR（ATAC方向）
遗传变异分析：GATK / DeepVariant / CNVnator / LUMPY；熟悉CNV/LOH/嵌合体分析；了解单倍型分型方法 PGT方向
统计与机器学习：掌握贝叶斯统计、回归模型；sklearn/TensorFlow/PyTorch用于序列数据特征学习加分
高性能计算环境：熟悉Linux集群操作（PBS/SLURM任务调度）；了解Docker/Singularity容器化部署
人工智能的应用：熟悉主流人工智能工具，并将人工智能工具广泛用于生物信息开发过程。
【能力素质要求】
◆ 科研独立性：能够独立提出科学问题、设计研究方案并推动实施，具备较强的自驱力
◆ 文献研读：持续追踪领域最新进展（bioRxiv、Nature Methods、Genome Research等），并将方法快速内化应用
◆ 跨界沟通：能将复杂的生物信息学分析结果向临床医生、产品经理等非技术人员清晰传递
◆ 英语能力：能够流利阅读英文文献；具备英文写作和口头汇报能力（参会投稿需要）
◆ 项目管理：能合理规划研究节点，按时交付阶段性成果，适应产学研结合的工作节奏