生物信息高级研究员（多组学与生物标志物方向）(J12184)

工作职责 1. 独立开展转录组学（RNA-seq、scRNA-seq）、蛋白组学及多组学整合分析，挖掘与药物作用机制、药效及安全性相关的关键分子事件。识别并验证药物响应靶点、疗效预测生物标志物及毒性/不良反应相关标志物。 2. 基于临床-多组学数据，开发疾病预后和预测模型（如Cox回归、随机生存森林）与疗效预测模型（如逻辑回归、支持向量机、深度学习）。 3. 利用机器学习/统计学习方法筛选具有临床转化潜力的生物标志物组合。 4. 建立数学模型（如PK/PD模型、剂量-反应模型）模拟药物及生物标志物在不同人群（年龄、性别、基因型、共病状态）中的疗效与安全性分布。 5. 获益人群分层与风险分析，针对潜在获益病人亚群进行生物标志物驱动的分层分析（如聚类分析、交互作用检验、递归分割）。实施不良事件风险评分与治疗获益-风险评估，识别高获益/高风险人群特征。 6. 多策略特征筛选及基于多种机器学习方法的模型构建，多维度模型评估（内部验证，外部独立队列验证，疾病亚型分层验证，疾病特异性验证） 7. 疾病分子分型鉴定，并基于机器学习方法构建单样本分类器 多类型预后预测模型（RSF、StepCox、GBM、Lasso、CoxBoost 等）构建，鉴定预后相关标志物 8. 纵向时序队列建模、因果推断（孟德尔随机化 MR、中介分析）、降维与聚类算法分析纵向数据。 任职资格 1. 学历：博士 2. 专业：生物信息学、计算生物学、基因组学、统计学或相关专业 3. 精通转录组/蛋白组差异分析、富集分析、蛋白互作网络、细胞去卷积等。 4. 掌握生存分析，分层分析、预后分析，混合效应模型、高维数据降维分析等技能。 5. 有 PK/PD建模经验者优先。 6. 理解药物靶点发现、耐药机制、免疫治疗/靶向治疗响应标志物的生物学逻辑。 7. 熟练掌握 python、R 语言以及 NGS 相关生信分析工具，熟悉 pipeline 的搭建与维护，熟悉 Linux 操 作、集群、docker 等使用，熟练操作 Excel、Word、Adobe illustrator 等软件 8. 擅长临床队列及公共数据挖掘，多类型组学数据处理分析，诊断、预后相关机器学习模型构建 9. 性格开朗，工作认真、细致，有团队精神，学习能力强，能够承受工作压力