康龙化成
2027届-硕士-AI酶改造工程师-无锡/江阴/宁波
2027届-硕士-AI酶改造工程师-无锡/江阴/宁波
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Alphafold2
Gromacs
Pytorch
Rosetta
Tensorflow
分子动力学模拟
蛋白质语言模型
Ai酶设计
值不值得投
76综合评分
综合评分 76
AI生物计算前沿校招岗、干湿实验闭环培养、技术成长空间大，薪资具竞争力但WLB未明确。
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
2万
比机器学习工程中位数低
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 730 个在招 · 其中机器学习工程 3 个
市场机会
选择适中
无锡 · 机器学习工程 · 15 个在招
职位详情
关于这个职位
该职位主要负责基于AI和计算生物学方法进行酶分子的理性设计与改造，运用深度学习框架和分子模拟工具优化酶的性能
需要与实验团队紧密协作，推动干湿实验闭环，并参与相关数据平台的搭建与维护
最低要求
硕士及以上学历，生物信息学、计算生物学、酶工程、蛋白质工程、生物化学或计算机相关专业，211/985优先
具备酶改造成功项目经验，能独立完成计算设计与分析闭环，并与实验团队协作推动构建与筛选闭环落地
熟练使用至少2种酶设计核心工具：Rosetta、AlphaFold2、Schrodinger等
掌握Python，能独立编写脚本进行数据分析，熟悉Linux操作系统及高通量数据处理流程
熟悉UniProt、PDB、Pfam等公共数据库，具备较强的文献调研与技术复现能力
工作职责
酶分子理性设计与改造：基于序列/结构信息，运用AI工具预测酶的活性中心、关键残基，设计突变体方案，优化酶的催化效率、热稳定性、底物选择性及溶剂耐受性
分子模拟与机制解析：开展分子对接、分子动力学模拟(GROMACS、AMBER)及自由能计算(MM/PBSA)，分析酶-底物相互作用机制，为改造提供理论支撑
AI酶设计：运用蛋白质语言模型(ESM、ProtGPT等)、深度学习框架工具(PyTorch、TensorFlow)完成酶特征提取、批量打分与候选排序等，支持酶改造突变体筛选与实验推进
数据平台搭建与维护：建立酶序列/结构数据库，整理维护计算工具代码库，提升研发效率
跨团队协作：与实验团队紧密对接，解读计算结果，反馈改造方向，参与干湿实验闭环，跟踪项目进展并撰写研发报告
技术前沿追踪：关注酶工程最新进展，引入创新计算方法与工具，推动技术迭代
AI 洞察
优缺点分析
优点
- 处于AI+生物计算的前沿交叉领域，技术壁垒高，行业前景广阔
- 依托大型医药研发企业的平台，能接触到丰富的项目资源和干湿实验闭环体系
- 需要同时具备深厚的生物学背景和扎实的AI/计算代码能力，跨学科学习曲线陡峭
- 计算结果与湿实验验证之间可能存在差距，需要不断迭代优化模型
- 适合具有生物信息学、计算生物学或计算机相关专业背景，且对AI制药和酶工程有浓厚兴趣的硕士及以上求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从初级计算生物工程师成长为高级AI酶设计专家，未来可向计算生物学项目负责人或AI制药研发总监方向发展
- 运用AI和计算生物学工具进行酶分子的理性设计与改造，优化酶的各项性能指标
- 开展分子模拟与机制解析，搭建和维护相关数据平台，并与实验团队协作完成干湿实验闭环
- 熟练掌握Rosetta、AlphaFold2等酶设计核心工具，以及GROMACS等分子模拟软件
- 精通Python编程和Linux系统，熟悉PyTorch/TensorFlow等深度学习框架及蛋白质语言模型
申请策略
- 了解公司在AI制药和酶工程领域的业务布局，准备一些关于计算结果如何指导湿实验的具体案例
- 重点突出在酶改造或蛋白质设计方面的成功项目经验，展示独立完成计算设计与分析闭环的能力
- 详细列出熟练使用的核心工具和深度学习框架
- 提前熟悉蛋白质语言模型的最新进展，提升Python数据处理和高通量计算流程的实战能力
面试指南
- 采用STAR法则描述项目经验，重点突出计算工具的选择依据、参数调优过程以及最终湿实验的验证结果
- 请详细介绍一个你独立完成的酶改造计算设计项目，遇到了哪些挑战？
- 在使用AlphaFold2或Rosetta进行酶设计时，如何评估突变体的稳定性？
- 如何将深度学习模型应用于酶特征提取和候选排序？
- 计算结果与湿实验结果不一致时，你通常如何排查和调整？
- 复习分子动力学模拟和自由能计算的基础理论，准备1-2个自己主导的AI酶设计项目代码或流程进行深度复盘
职位点评
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
作为校招硕士岗，薪资福利具备市场竞争力，但具体薪资数字和福利细节在JD中未明确披露。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及AI与生物计算的前沿交叉技术，能接触到干湿实验闭环，技术成长空间大。
技术前沿前沿/新兴技术
技术栈AI酶设计、蛋白质语言模型、ESM、ProtGPT、PyTorch、TensorFlow、Rosetta、AlphaFold2、GROMACS、AMBER
成长机会技术前沿追踪、推动技术迭代
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式和加班情况，但作为研发岗且需与实验团队紧密对接，通常需要现场办公，WLB情况无法准确判断。
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
80较高
酶改造和AI制药属于生物医药前沿领域，具有较高的社会价值和行业成长性，能推动绿色生物制造等技术迭代。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs