诺和诺德
Senior / Principal Scientist, Statistical Genetics
Senior / Principal Scientist, Statistical Genetics
发布于 2 天前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
博士
Multi-Omics
Gwas
Mendelian Randomization
Population Genomics
Statistical Genetics
Wes/Wgs
AI 估算 · 35k–65k
高级科学家岗位，外资药企，北京，要求博士后加工业经验，薪资有竞争力
职位详情
关于这个职位
作为诺和诺德中国研发中心的统计遗传学资深科学家，你将运用GWAS、WES/WGS和多组学数据，结合全球平台与本地协作，推动早期靶点发现和管线决策
工作内容涵盖设计执行遗传学分析、整合多组学数据、建立本地能力，并直接参与项目决策，适合有博士后经验且希望在工业界推动精准药物发现的科学家
最低要求
PhD in human genetics, statistical genetics, genomics, computational biology, bioinformatics, epidemiology, or a closely related field.
Significant post-PhD experience in pharmaceutical, biotech, or translational research environments, with demonstrated impact on discovery or early development programmes.
Knowledge and experience in GWAS, WGS/WES, Mendelian Randomization, fine mapping, rare variant analysis, colocalization, QTL integration and polygenic risk.
Deep expertise in human genetics and population genomics, including experience with large-scale human genetic datasets and post-GWAS analyses.
Understanding of how genetic evidence is used to de-risk and prioritise drug targets across the discovery value chain is highly preferred.
Proficiency in relevant analytical and programming environments (e.g. Python, R), with experience working on complex, high-dimensional biological data.
Experience enabling secure, reproducible, and compliant data workflows while supporting efficient local scientific execution and portfolio delivery.
Ability to operate independently at a senior level, driving initiatives end-to-end and influencing cross-functional teams without formal authority.
Strong communication skills and a proven ability to engage and collaborate across disciplines and cultures. Fluent in English is a MUST.
工作职责
Co-Define and lead local statistical genetics strategy for early discovery and translational projects
Design and execute population and statistical genetics analyses, leveraging biobanks, cohorts, and multi-ancestry datasets
Integrate human genetics with patient-derived multi-omics, functional assays, and disease models to generate mechanistic hypotheses and decision-relevant insights.
Embed genetic evidence into target prioritisation and portfolio decision frameworks, clearly articulating strengths, limitations, and uncertainty.
Build and scale local capability in human genetics (and potentially RWE), including methods, workflows, and scientific best practices, in alignment with global strategies.
Partner closely with digital biology, target discovery and progression teams to guide target discovery program ideation to data package maturation towards pipeline project approval.
Communicate complex scientific findings clearly and confidently to senior stakeholders, translating analyses into strategic recommendations.
Contribute to scientific publications, internal knowledge sharing, and external visibility, strengthening NNRCC's impact in the local and global ecosystem.
优先资格
Experience integrating genetics with single-cell/spatial transcriptomics, proteomics, and/or imaging data.
Exposure to real-world evidence (RWE), population health data, or causal inference frameworks (e.g. Mendelian randomisation).
Proven experience in building or contributing to local data and analytical infrastructure, supporting genetics and multi-omics pipelines in a research or discovery setting.
Familiarity with machine learning or advanced data-driven approaches applied to biological or clinical data.
Track record of scientific creativity demonstrated through publications, novel project initiation, or cross-disciplinary collaboration.
Strong interest in capability building and scientific leadership within a growing research organisation.
AI 洞察
优缺点分析
优点
- 全球顶级药企的研发平台，参与影响真实药物发现的早期研究，成就感强
- 接触最前沿的遗传学和多组学技术，技能积累快，行业需求旺盛
- 公司文化注重科学严谨和患者价值，工作环境稳定且支持创新
- 对统计遗传学方法有极高要求，需要持续跟踪前沿文献和工具更新
- 涉及多团队协作和全球沟通，需要较强的英语能力和时间协调
- 作为科学家需要平衡技术深度与商业决策影响力，有时需要面对不确定性
- 适合拥有遗传学/生物信息学博士学历，有5年以上工业界经验，希望将自己的技术能力转化为实际药物研发影响，且喜欢跨团队合作的资深科学家
缺点 / 挑战
暂无明显挑战项
角色解读
- 从高级科学家晋升为首席科学家，领导更大规模的跨职能遗传学战略
- 转向全球项目领导角色，负责多条管线的人类遗传学支持
- 在算法或工具开发领域成为公认的专家，发表高影响力论文并参与外部合作
- 利用大规模人群遗传数据（GWAS、WES/WGS）进行统计遗传学分析，识别疾病相关基因和变异
- 整合多组学数据（转录组、蛋白组、单细胞等），构建因果证据链支持靶点优先排序
- 领导或参与本地队列合作项目，建立并优化遗传学分析流程和基础设施
- 与全球团队协作，将遗传学洞见转化为管线决策建议，影响项目go/no-go
- 扎实的统计遗传学知识，包括GWAS、孟德尔随机化、精细定位、罕见变异分析等
- 熟练使用Python或R进行大规模高通量数据分析
- 深入理解人类遗传学如何用于药物靶点发现和去风险
- 优秀的跨学科沟通能力，能用英语清晰地向非技术背景利益相关者解释复杂结果
申请策略
- 在求职信中强调你对改善慢性病患者生活的热情，与公司使命契合
- 准备一个技术演示，展示你将遗传学分析转化为商业决策的案例
- 突出你参与过的药物发现或早期开发项目，说明你的遗传学分析如何影响决策
- 列出你熟练掌握的统计遗传学方法（如GWAS、孟德尔随机化、精细定位等）和具体分析经验
- 强调你使用Python/R处理大规模人群遗传数据的能力，包括数据流程合规性和可重复性
- 展示你在跨功能团队中的领导力或影响力，即使没有直接管理经验
- 如果对多组学整合不熟悉，可提前了解单细胞转录组和蛋白质组数据分析的基本概念
- 熟悉诺和诺德主要治疗领域（糖尿病、肥胖、心血管等）的遗传学文献，以展示兴趣
面试指南
- 用STAR（情境、任务、行动、结果）结构回答项目经验问题，强调你的分析如何影响决策
- 对于方法问题，先概述原理，再结合实际应用中的挑战和解决方案，展示深度理解
- 对于协作问题，强调清晰沟通、主动对齐目标、以及如何管理不确定性
- 请描述一个你使用遗传学证据推动管线决策的项目
- 你如何设计一个大规模GWAS研究，并考虑多重比较和人群分层？
- 请解释孟德尔随机化原理及其在药物靶点验证中的局限性
- 你如何向非技术背景的同事解释遗传关联的临床相关性？
- 假如你需要在本土建立一个新的遗传学分析流程，你会如何规划？
匹配度报告
78
综合匹配度
外资药企核心研发岗位，前沿遗传学技术驱动药物发现，社会使命感强，但办公灵活性一般
适合人群
适合高度重视工作意义和职业成长，愿意在稳定平台为人类健康做出贡献，对办公灵活性要求不高的资深科学家
最强匹配
使命价值匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展85
工作生活60
使命价值90
薪资福利匹配
75中等
薪资具有竞争力，外资药企通常提供较好的福利，但JD未明确具体薪资和福利细节，因此补偿性动机构成中等偏上满足。
薪资信号未披露（AI估算：35K-65K/月）
成长发展匹配
85较高
该职位涉及前沿遗传学技术和多组学整合，有明确的本地能力建设职责，成长性强，但晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈GWAS、WES/WGS、Mendelian Randomization、fine mapping、multi-omics、single-cell、proteomics、RWE、Python、R
成长机会build and scale local capability、scientific leadership、mentoring implied
业务类型ambiguous
工作生活匹配
60中等
工作地点为北京办公室，未提及远程或弹性工作安排，工作强度可能较高，但药企通常优于互联网。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
90较高
职位明确以改善患者健康为使命，涉及慢性病治疗，社会意义重大，且公司是行业巨头，行业前景稳定。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号improving patient outcomes、improving the lives of patients with serious chronic diseases、defeat serious chronic diseases
创新程度积极采用新技术
Watch Jobs