직무 소개
직무명: 전산화학, 구조생물학 및 신약 개발 과학자 (박사)
역할 유형: 계약직
근무지: 원격 (전 세계)
직무 요약: 이 역할에서는 전문성을 활용하여 차세대 AI 시스템을 학습시키는 데 기여하게 됩니다. 귀하의 작업은 고품질의 실제 입력을 통해 모델이 학습하고, 추론하고, 성능을 발휘하는 방식을 만들어 갑니다.
주요 책임
- 전산화학, 구조생물학 및 신약 개발 분야에서 명확하고 검증 가능한 해법을 갖춘 도전적인 전문가 수준의 과학 문제를 설계하고 작성합니다.
- AI 모델 출력의 과학적 정확성, 엄밀성 및 추론의 깊이를 검토하고 평가하며, 비전문가가 놓칠 수 있는 미묘한 오류를 식별합니다.
- 원저 문헌과 확립된 방법론에 근거한 상세한 평가 기준표와 참고 답안을 개발합니다.
- 분자 모델링 및 시뮬레이션, 단백질 구조 예측 및 설계, 가상 스크리닝 및 도킹, QSAR/ADMET 모델링, 단백질체학/대사체학 데이터 분석 등의 분야에 걸쳐 도메인 전문성을 적용합니다.
- 다른 전문가가 따라가며 검증할 수 있도록 추론 과정에 대한 명확한 서면 설명을 제공합니다.
- 반복적인 피드백과 동료 검토 주기를 통해 품질 기준을 충족합니다.
필수 자격 요건 (MUST)
- 전산화학, 구조생물학, 생물물리학, 생물정보학, 의약화학, 생화학 또는 밀접하게 관련된 분야의 박사 학위.
- 학계 또는 산업계 연구실에서의 실무 연구 경험(웻랩 경험이 있으면 우대).
- 전문가 수준의 영어 작문 및 회화 능력(C1 이상).
우대 역량
- 신약 개발 또는 구조생물학 분야의 박사후 연구원 또는 산업계(제약/바이오테크) 연구 경험.
- 특히 관련 학술지의 제1저자 논문을 포함한 우수한 출판 실적.
- 분자 모델링 및 시뮬레이션: GROMACS, AMBER, NAMD, OpenMM, 자유 에너지 방법(FEP/TI).
- 구조 예측 및 설계: AlphaFold, Rosetta, 상동성 모델링, 극저온 전자현미경(cryo-EM) / X선 결정학 데이터 해석.
- 도킹 및 가상 스크리닝: AutoDock, Glide, Schrödinger Suite, MOE.
- 화학정보학: RDKit, QSAR/QSPR, ADMET 예측, 핑거프린팅, 라이브러리 설계.
- 단백질체학 및 대사체학: LC-MS/MS, MaxQuant, DIA/DDA 워크플로, PTM 분석, 비표적 대사체학.
- 프로그래밍: Python(실무상 필수)과 R, Bash 또는 유사 언어; 분자 특성 예측을 위한 ML(GNN, 생성 모델) 경험이 있으면 우대합니다.
- 벤치마킹, 모델 평가 또는 과학 논문 작성/심사 경험.
- 복잡한 과학적 개념을 글로 명확하고 정확하게 설명할 수 있는 능력.