Astrazeneca logo
阿斯利康
Associate Principal Scientist, AI for Predictive Safety

Associate Principal Scientist, AI for Predictive Safety

发布于 33 分钟前

普通员工/个人贡献者

AI 估算 · 6.0–10.0万 · AI 参考估算
专家级经验
博士
全职员工仅现场办公AI药物设计
AI药物设计
Ai/Ml
Alphafold
Chemoinformatics
Machine Learning
Mlops

值不值得投

83综合评分

综合评分 83

前沿AI制药核心岗,技术成长空间巨大,社会价值高,薪资福利优厚,但工作强度和地点灵活性需确认

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

8.0万

比AI药物设计中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 510 个在招

市场机会

选择适中

北京 · AI药物设计 · 15 个在招

职位详情

关于这个职位

该职位是阿斯利康预测安全团队的核心科学家,主要负责利用化学信息学、生物信息学和前沿AI/ML技术(如计算机视觉、蛋白质建模)构建下一代预测性安全模型

你需要将多组学数据与化合物结构数据结合,识别毒性特征和安全生物标志物,为药物研发决策提供关键的安全评估洞察,并作为科学负责人推动跨部门合作与创新

最低要求

拥有数学、计算机科学、工程、物理、统计、计算科学、化学信息学、生物信息学、计算生物学、结构生物学、计算毒理学或相关领域的博士学位(或同等年限的经验)

具备实施机器学习/AI工作流以自动化生物信息学、化学信息学或图像分析管道的经验,最好在制药和/或医疗行业
高级Python编程技能
熟悉GitHub、CI/CD管道以及最佳的DevOps和MLOps实践
在以下至少两个领域动手熟悉现代机器学习架构:化学结构建模(如GNNs、D-MPNN、CheMeleon等基础模型)、组学建模(如scGPT、Geneformer等转录组基础模型)、机器视觉(如CNNs、视觉Transformer、细胞成像自监督模型)和蛋白质建模(如ESM蛋白质语言模型、AlphaFold等结构预测工具)
分析和整合多模态生物和化学数据集(如批量或单细胞转录组、蛋白质组、高内涵成像和化合物结构数据)的经验,包括数据质量控制、归一化和批次校正
具有交付有影响力的建模工作的领导力证明
优秀的沟通和利益相关者参与技能
作为学科领导者塑造科学战略
运用科学判断解决复杂问题
建立强大的跨部门关系和网络
指导和指导他人,提升团队能力

工作职责

使用化学信息学、生物信息学、计算机视觉、蛋白质建模和ML/AI开发、优化和部署小分子和生物制剂的预测安全模型

设计和部署用于转录组(批量和单细胞)、蛋白质组和其他组学数据的ML/AI模型,以识别毒性特征、作用机制和安全生物标志物,包括稳健的归一化、批次校正和不确定性量化
领导机器视觉模型的开发,用于Cell Painting、高内涵成像和先进的细胞模型(如类器官、微生理系统),从概念验证到与R&D和IT合作在生产环境中部署
应用蛋白质语言模型和结构预测方法(如AlphaFold、ESM)来评估生物制剂的安全性和可开发性风险,如免疫原性、聚集、多反应性和脱靶结合
担任项目团队的科学负责人,影响项目策略
推动创新,在整个R&D中识别战略性建模机会
领导与学术界、联盟和技术合作伙伴的合作
向不同的科学和管理受众沟通复杂的建模概念

优先资格

具有Safety Omics数据的经验,并为Cell Painting、高内涵筛选、组织病理学或其他成像数据构建机器视觉模型,包括自监督和基础模型

毒理学、药理学或ADMET背景
云计算或工作流自动化的经验
在顶级AI会议或期刊上发表过制药研究相关的出版物记录(如NeurIPS, ICML, Nature Machine Intelligence, Nature Communications, NEJM AI等)
监督科学家或管理合作的经验

AI 洞察

优缺点分析

优点

  • 处于AI制药的前沿领域,接触最顶级的数据和算法资源
  • 跨国药企平台,职业稳定性高,福利体系完善
  • 能够直接参与新药研发核心环节,社会价值感强
  • 团队国际化,有机会与全球顶尖科学家合作
  • 需要平衡科学研究创新性与工业界落地效率
  • 跨部门沟通协调成本高,需具备较强的影响力
  • 适合拥有PhD学历、在AI+生物医学交叉领域有深厚积累、且希望将技术应用于实际药物研发的资深科学家

缺点 / 挑战

  • 对学术背景和工程落地能力要求极高,竞争压力大

角色解读

  • 成为AI驱动的药物发现与安全评估领域的顶尖科学专家
  • 向更高阶的科学管理角色发展,如部门负责人或首席科学家
  • 在AI制药(AI for Science)前沿领域积累深厚影响力,推动行业技术进步
  • 开发和应用AI/ML模型(如计算机视觉、蛋白质建模)来预测药物的小分子和生物制剂安全性
  • 处理和分析多组学数据(转录组、蛋白质组等)以识别毒性特征和安全生物标志物
  • 作为科学负责人,领导跨部门项目,制定安全评估策略并与内部团队及外部合作伙伴协作
  • 将研究成果转化为生产环境可用的模型,并指导团队成员
  • 深厚的机器学习/AI理论基础和实战经验,特别是在化学信息学、生物信息学或计算机视觉领域
  • 精通Python编程,熟悉MLOps、CI/CD等工程化实践
  • 具备处理大规模多模态生物医学数据的能力,包括数据清洗、归一化和批次校正
  • 优秀的科学沟通能力、领导力及跨团队协作能力

申请策略

  • 准备详细的过往项目案例,重点说明如何解决复杂的安全预测问题
  • 了解阿斯利康当前的研发管线和AI战略布局
  • 展现你对科学伦理和数据隐私的关注
  • 突出PhD期间的研究方向与AI/ML、生物信息学的结合点
  • 详细列举掌握的特定AI模型(如GNN, AlphaFold, CNNs)及其在生物数据上的应用成果
  • 强调工程化能力,如Python代码质量、MLOps实践经验
  • 展示领导力证据,如指导团队、跨部门合作项目或行业影响力
  • 强化对最新AI基础模型(Foundation Models)在生物领域应用的理解

面试指南

  • STAR法则:情境-任务-行动-结果,清晰描述项目背景和你的具体贡献
  • 技术深度:展示对算法原理的深刻理解,而不仅仅是调用库
  • 业务视角:始终将技术方案与药物研发的实际业务目标(如加速进程、降低风险)联系起来
  • 批判性思维:承认技术的局限性,并提出改进方案
  • 请介绍一个你过去开发的AI模型在生物医学数据上的具体应用案例,你是如何处理数据偏差和噪声的?
  • 在面对新的安全预测问题时,你会如何设计实验和选择模型架构?
  • 如何向非技术背景的同事解释复杂的AI模型结果及其不确定性?
  • 你在MLOps方面的实践经验有哪些?如何确保模型的持续监控和更新?

职位点评

薪资福利85
成长发展92
工作生活65
使命价值90

薪资福利

85较高

阿斯利康作为已上市的跨国巨头,提供具有市场竞争力的薪资和完善的全方位福利(五险一金、补充医疗、年假等),对于高端人才而言,薪酬待遇属于市场偏高水平,稳定性极强。

薪资信号未披露(AI估算:6.0千–10.0万/月)

成长发展

92较高

该职位处于AI与药物研发交叉的最前沿,涉及大量新兴技术(如基础模型、多组学整合),且公司有明确的创新导向和学术合作机会,为专业人士提供了极高的技术成长空间和行业影响力积累机会。

技术前沿前沿/新兴技术
技术栈AI/ML、Chemoinformatics、Bioinformatics、Computer Vision、Protein Modeling、AlphaFold、ESM、GNNs、MLOps
成长机会Drive innovation、Lead collaborations with academia、Coaches and mentors others、Acts as discipline leader
业务类型profit_center

工作生活

65中等

JD未明确提及远程办公或弹性工作制,通常此类核心研发岗位可能需要坐班。虽然跨国药企通常比互联网大厂更注重WLB,但作为“Associate Principal Scientist”级别,承担领导责任和前沿探索压力,工作强度可能不低。

工作模式未明确
办公地点科技园/产业园
加班情况未提及(无法判断)

使命价值

90较高

职位直接服务于药物开发和患者安全,通过AI加速新药上市进程,具有显著的正向社会影响力和使命感,符合追求意义感动机的高分标准。

行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号accelerate the drug development process、deliver decision-shaping safety insights、assess safety and developability liabilities
创新程度积极采用新技术
Watch Jobs