康龙化成
2027届-博士-生物信息研究员-北京总部
2027届-博士-生物信息研究员-北京总部
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公生物技术
生物技术
Llm
Mrna
Rag
Sirna
核酸药物
深度学习
生物信息
计算生物学
值不值得投
79综合评分
综合评分 79
前沿AI+生物信息交叉研发岗，技术栈新颖、成长空间大，适合追求技术深度的博士人才。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
3.3万
比生物技术中位数高
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 750 个在招 · 其中生物技术 约 120 个
市场机会
选择适中
北京 · 生物技术 · 48 个在招
职位详情
关于这个职位
该职位依托AI大模型与干湿结合研发体系，聚焦生物AI算法开发、计算生信分析及核酸创新药研发三大方向
你将参与开发基于LLM的生物智能Agent、深度学习细胞表型分析以及核酸药物序列设计，赋能早期新药筛选与机制研究
最低要求
生物信息、计算生物、分子生物、生医工、计算机、软件工程等相关专业，博士学历
AI方向：熟练掌握Python
生信方向：熟练掌握Python/R，具备深度学习建模能力
核酸药物方向：具备核酸药物研发经验，熟悉核酸修饰、递送及评价体系
英文能力良好，可查阅文献、撰写报告、对接项目
工作职责
AI生物方向：基于LLM开发生物智能Agent、RAG知识库与自动化分析流程，落地蛋白结构、分子生成等AI模型，打通AI设计与湿实验数据闭环
生物信息方向：利用深度学习开展细胞表型分析、化合物机制与毒性预测，解析高通量筛选数据，输出标准化分析报告，推进前沿算法平台落地
核酸药物方向：负责siRNA、mRNA、ASO等核酸药物序列设计、优化与体外验证，评估稳定性、活性与脱靶风险，支撑AI核酸模型数据集搭建与项目交付
优先资格
AI方向：有LLM Agent、RAG、向量数据库、生物AI模型落地经验
生信方向：具备高通量数据分析、干湿结合项目经验
核酸药物方向：博士优先（注：基础要求已为博士，此项可视为对特定方向经验的进一步偏好）
AI 洞察
优缺点分析
优点
- 处于AI与生物医药交叉的前沿赛道，技术栈新颖，能接触到LLM、大模型在药物研发中的最新应用
- 干湿结合的研发体系能提供丰富的实验数据与项目落地机会，技术壁垒高
- 聚焦核酸创新药等热门领域，行业前景广阔，个人核心竞争力强
- 需要同时具备计算机/AI算法与生物/药学跨学科知识，学习曲线陡峭，对综合能力要求极高
- AI模型在生物领域的落地存在不确定性，需要不断调整算法以适应湿实验的复杂反馈
- 具备计算生物学或生物信息学博士背景，对AI大模型在创新药研发中的应用充满热情，且具备较强跨学科学习能力的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向可成长为生物信息或AI药物研发领域的资深科学家、技术专家
- 横向可向AI驱动的药物研发项目管理、跨学科团队负责人方向发展
- 开发基于大语言模型（LLM）的生物智能Agent和RAG知识库，实现AI设计与湿实验数据的闭环
- 利用深度学习进行细胞表型分析、化合物机制与毒性预测，解析高通量筛选数据
- 负责siRNA、mRNA等核酸药物的序列设计、优化与体外验证，支撑AI模型数据集搭建
- 扎实的编程基础，熟练掌握Python或R，具备深度学习建模与高通量数据分析能力
- 熟悉大语言模型（LLM）、RAG、向量数据库等AI前沿技术，有生物AI模型落地经验
- 具备分子生物学或计算生物学背景，熟悉核酸药物研发流程及评价体系
申请策略
- 提前了解公司在AI药物研发（如AIDD）领域的最新布局和产品管线，面试时展现对公司业务方向的理解
- 突出在LLM、RAG或深度学习模型方面的项目经验，特别是与生物数据（如蛋白结构、高通量筛选）结合的案例
- 详细列出核酸药物（siRNA/mRNA/ASO）序列设计、优化及体外验证的具体研究成果或项目经历
- 强调干湿结合的项目经验，展示如何将计算预测与湿实验数据打通并闭环
- 深入学习大语言模型（LLM）的微调、Agent开发及RAG架构，了解向量数据库的底层原理
- 补充核酸药物递送系统、脱靶效应评估等药学前沿知识，提升跨学科对话能力
面试指南
- STAR法则：情境（项目背景）- 任务（面临的技术/业务挑战）- 行动（采用的算法、模型及优化策略）- 结果（湿实验验证结果或业务指标提升）
- 跨学科思维：在回答中体现“计算预测-实验验证-模型迭代”的闭环思维，展示对干湿结合研发体系的深刻理解
- 请介绍一个你使用深度学习或LLM解决生物信息学问题的具体项目，遇到了哪些挑战？
- 在核酸药物序列设计中，你是如何评估其稳定性和脱靶风险的？
- 如何打通AI设计模型与湿实验数据之间的闭环？请举例说明
- 针对高通量筛选数据，你通常使用哪些算法或模型进行解析和特征提取？
- 复习并准备1-2个核心的AI+生物信息交叉项目，能够清晰讲解模型架构、数据处理流程及最终验证结果
- 了解当前AIDD（AI药物发现）领域的最新进展，特别是大模型在蛋白结构预测、分子生成中的应用
职位点评
薪资福利75
成长发展90
工作生活60
使命价值85
薪资福利
75中等
博士应届校招，北京地区AI与生物信息交叉领域，薪资处于市场中上水平，但具体薪资未披露。
薪资信号未披露（AI估算：2.5千–4万/月）
成长发展
90较高
岗位聚焦AI与生物信息交叉的前沿领域，技术栈极具前瞻性，且能提供丰富的干湿结合项目落地机会。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Python、R、深度学习、siRNA、mRNA、ASO
业务类型profit_center
工作生活
60中等
岗位位于北京总部，需现场办公，研发类岗位通常工作节奏较快，JD未明确提及WLB相关信息。
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
85较高
致力于创新药研发与AI赋能，推动核酸药物等前沿医疗技术发展，具有较高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号赋能早期新药筛选与机制研究、打造AI驱动的药物研发闭环平台
创新程度积极采用新技术
康龙化成 的其他在招职位
相似职位推荐
Watch Jobs