阿里巴巴
达摩院-蛋白质算法工程师-北京/杭州
达摩院-蛋白质算法工程师-北京/杭州
发布于 大约 21 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Alphafold2
Pytorch
图神经网络
数据清洗
生成模型
生物信息学
蛋白质结构预测
值不值得投
79综合评分
综合评分 79
前沿AI蛋白质算法岗位，技术成长性强，薪资偏高，但WLB不确定。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
35K
比人工智能中位数低
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 2740 个在招 · 其中人工智能 约 290 个
市场机会
选择面较广
北京 · 人工智能 · 约 480 个在招
职位详情
关于这个职位
本职位负责参与蛋白质及复合物结构预测模型的开发与优化，基于生成式架构进行蛋白质从头设计和抗体序列优化，并构建蛋白-蛋白相互作用模型
需配合湿实验团队，根据实验反馈迭代改进模型和设计策略
最低要求
计算生物学、生物信息学、计算机科学、结构生物学、生物物理、计算化学或相关专业博士学位
硕士学历需具备3年以上（AI+蛋白质方向）相关研发经验
精通Python及PyTorch（或TensorFlow）
深入理解Transformer、生成模型（扩散/流匹配/VAE等）、图神经网络及等变网络的原理与实现，具备从0到1独立完成模型设计、训练、调优与交付的实际经验
具备扎实的蛋白质科学基础，理解序列-结构-功能关系与蛋白质物理化学性质，能独立将生物学问题转化为可建模的机器学习任务并设计合理的评价指标与基线
熟悉AlphaFold2/3、RoseTTAFold、ESM、ProteinMPNN、RFdiffusion等主流方法，有复现、微调或二次开发经验，清楚其适用边界与典型失败模式
熟悉PDB、UniProt、SAbDab、OAS等数据库，具备大规模数据清洗、去冗余与数据集构建能力
具备良好的中英文文献阅读与学术写作能力，能独立推进课题，并与湿实验团队（表达纯化、生物物理表征、功能检测）高效协同迭代
在顶级会议（NeurIPS、ICML、ICLR等）或顶级期刊（Nature/Science/Cell及子刊）发表第一作者论文
有高质量开源项目、专利或已获湿实验验证的设计案例者同等考虑
工作职责
参与蛋白质及复合物结构预测模型的开发与迭代优化
基于生成式架构，参与蛋白质从头设计、抗体序列优化等模型的开发调优
参与蛋白-蛋白相互作用与分子对接模型构建，协助研发抗体-抗原结合、亲和力、突变效应预测方法并辅助候选分子优化
配合湿实验团队（蛋白表达、纯化、生物物理表征、功能检测），根据实验反馈参与模型与设计策略的迭代改进
优先资格
在顶级会议（NeurIPS、ICML、ICLR等）或顶级期刊（Nature/Science/Cell及子刊）发表第一作者论文
有高质量开源项目、专利或已获湿实验验证的设计案例
AI 洞察
优缺点分析
优点
- 处于AI与生物交叉前沿，技术含量高，能接触最新研究成果
- 公司平台大，资源丰富，有湿实验团队支持，加速技术验证
- 解决重要科学问题，潜在社会影响力大
- 需要同时掌握AI算法和蛋白质科学，知识门槛高
- 研究型工作，成果不确定性较大，需要耐心和创新
- 与湿实验团队协作，需适应跨学科合作节奏
- 适合拥有AI和生物学交叉背景，热爱科研，具备独立研究能力和团队协作精神的博士或资深硕士
缺点 / 挑战
暂无明显挑战项
角色解读
- 深耕蛋白质AI算法，成为该领域的专家或科学家
- 转向团队管理，带领研究团队推进项目
- 跨界合作，推动AI在生物医药领域的产业化应用
- 开发和优化蛋白质结构预测模型，利用AI技术预测蛋白质三维结构
- 基于生成式AI设计新蛋白质和抗体序列，优化其功能和结合特性
- 构建蛋白质相互作用模型，预测抗体-抗原结合等性质
- 与湿实验团队协作，根据实验结果改进算法和设计策略
- 精通Python和PyTorch/TensorFlow，熟练使用深度学习框架
- 深入理解Transformer、生成模型、图神经网络等AI模型原理
- 具备扎实的蛋白质科学知识，能将生物学问题转化为机器学习任务
- 熟悉AlphaFold等主流蛋白质结构预测工具，并有实际开发经验
申请策略
- 研究阿里巴巴达摩院在蛋白质AI领域的最新论文和项目，了解其研究方向
- 准备一个与蛋白质AI相关的项目案例，展示从问题定义到模型实现的全过程
- 面试时突出与湿实验团队协作的经验，体现跨学科沟通能力
- 突出在蛋白质结构预测或设计方面的研究经历，如发表论文、开源项目
- 详细描述使用PyTorch/TensorFlow开发AI模型的经验，尤其是Transformer或生成模型
- 强调跨学科能力，包括生物学知识和机器学习技能的结合
- 列出熟悉的相关工具和数据库，如AlphaFold、PDB等
- 深入学习蛋白质结构生物学和生物物理知识，巩固基础
面试指南
- 对于技术问题，采用STAR法则（情境、任务、行动、结果）描述项目经验
- 强调问题解决思路，从问题分析、模型选择、实验设计到结果评估
- 结合实际案例，展示跨学科知识和团队协作能力
- 请介绍你使用AI模型解决蛋白质结构预测或设计问题的经验
- 你如何将一个生物学问题转化为机器学习任务？举例说明
- AlphaFold2和RoseTTAFold有什么异同？你在使用中遇到哪些挑战？
- 你与湿实验团队合作过吗？如何根据实验反馈改进模型？
- 你对未来蛋白质AI算法的发展有何看法？
职位点评
薪资福利80
成长发展95
工作生活50
使命价值85
薪资福利
80较高
该职位属于高级研发岗位，预计薪资水平高于市场平均，但JD未提及具体福利。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
95较高
职位涉及前沿AI与生物学交叉领域，技术挑战大，成长空间广阔，公司平台提供良好研发资源。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Transformer、生成模型、图神经网络、AlphaFold2
业务类型ambiguous
工作生活
50较低
工作地点在北京或杭州，城市生活便利，但研究型工作可能需要加班，JD未提及工作模式和WLB。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
蛋白质AI算法在生物医药领域有重大应用前景，可能推动新药研发，具有较高社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs