岗位描述
1. 基于结构开展分子设计与优化(SBDD 为主) 1.1. 围绕靶点蛋白的三维结构(实验结构或高置信度预测结构),开展结合口袋分析、关键相互作用解析与可药性评估; 1.2. 主导基于结构的虚拟筛选、分子对接、药效团建模、骨架跃迁与片段生长,提出可合成、可测试的分子设计假设; 1.3. 将 AI 分子生成/优化工具与基于物理的计算方法结合,用于先导化合物的亲和力成熟、选择性改善及成药性优化; 2. 计算模拟与结合亲和力定量评估 2.1. 独立执行分子动力学模拟(MD) ,分析蛋白–配体复合物的构象稳定性、口袋柔性与结合模式演化; 2.2. 运用自由能微扰(FEP)或 MM/GBSA/PBSA 等方法进行结合亲和力排序与定量预测,为构效关系(SAR)讨论提供计算依据; 2.3. 对计算结果的可靠性进行批判性评估,明确计算证据的适用边界; 3. AIDD 工具与工作流的落地应用 3.1. 将蛋白结构预测、分子生成、分子对接等嵌入项目级计算流程,提升从结构到分子的迭代效率; 3.2. 结合项目需求,对开源或内部模型进行任务适配与微调,推动“计算设计–实验验证–数据反馈”的干湿闭环运转; 4. 跨学科协作与项目支持 4.1. 与药物化学团队共同审视 SAR 数据,将计算结论转化为可操作的化学修饰策略; 4.2. 参与项目立项阶段的靶点结构评估、竞争格局分析与计算可行性判断。 1. 硕士学历,计算化学、计算生物学、结构生物学、药物化学、生物信息学或相关专业,主导或深度参与过至少一个从靶点结构到候选分子优化的完整计算项目; 2. SBDD 实操能力:熟练掌握基于结构的药物设计全流程——蛋白结构准备与口袋分析、分子对接、相互作用指纹分析、基于结构的虚拟筛选与 hit 优先级排序; 3. 计算工具熟练度:精通至少一种主流商业药物设计平台(Schrödinger(Maestro/Glide/Desmond)、MOE、Discovery Studio 等),并熟悉 Rosetta、AutoDock/Vina、GROMACS、AMBER/OpenMM 等开源或学术工具中的多项; 4. 编程与计算环境:熟练使用 Python 进行数据处理、脚本编写与计算流程自动化,熟悉 Linux 环境及 HPC/GPU 集群作业提交;熟悉 RDKit 等化学信息学库者优先。 优先条件(加分项) 1. 熟悉 共价抑制剂、变构调节剂、分子胶 或蛋白–蛋白相互作用(PPI) 等特殊模态的结构设计策略; 2. 具备增强采样(metadynamics、GaMD、REMD)或QM/MM 计算经验; 3. 有基于片段的药物设计(FBDD) 或DNA 编码化合物库(DEL) 计算分析经验; 4. 在计算化学/药物设计相关领域发表过高水平论文或拥有专利成果。 职位类别: 校园招聘