专栏名称: 生信技能树

生物信息学学习资料分析，常见数据格式及公共数据库资料分享。常见分析软件及流程，基因检测及癌症相关动态。

清华大学深圳国际研究生院-李斐然课题组招聘博士后/科研助理

生信技能树 · 公众号 · · 2024-05-17 08:30

正文

李斐然课题组招聘博士后/科研助理

导师介绍

李斐然，清华大学深圳国际研究生院助理教授，特别研究员，博士生导师。入选国家重大人才工程青年项目（海外）。2017年硕士毕业于天津大学生物化工专业，师从代谢工程领域知名学者赵学明教授以及代谢网络模型专家马红武研究员。2021年博士毕业于瑞典查尔姆斯理工大学，师从中国工程院外籍院士Jens Nielsen教授，随后于同实验室开展博士后研究工作。2023年加入清华大学深圳国际研究生院生物医药与健康工程研究院。致力于代谢网络模型研究，涉及计算生物学、系统生物学、机器学习、化学、药物代谢等多个领域。近年来共发表同行评议SCI论文20余篇，其中以第一/通讯作者身份在Nature Catalysis，Nature Communications，Molecular Systems Biology，Nucleic Acids Research及PNAS等国际高水平期刊发表文章多篇。担任Frontiers in Bioengineering and Biotechnology期刊客座编辑，BioDesign Research、Advanced Biotechnology青年编委以及Nature Communications、PNAS、Genome Biology、ISME等期刊审稿人。

课题组研究方向

通过开发新方法和新技术分析生物大数据和研究生物系统，揭示内在机理，促进合成生物学和生物医药研究。 具体研究方向：

1.面向医药健康，整合组学数据，开发及分析细胞、器官及整体的代谢网络及调控模型，发展人类数字孪生模型。

2.探索代谢暗物质，促进新途径及新酶挖掘，加速生物合成途径设计以及生物合成潜力挖掘，实现酵母高效细胞工厂的智能精准设计。

3.开发深度学习模型，助力理解蛋白序列-功能-参数关系。

招聘岗位

岗位名称1

博士后

岗位职责

1.开展与上述方向相关的研究工作；

2.发表高质量学术论文；

3.协助指导学生；

4.协助申报本领域科研项目。

任职条件

1.近2年内获得或即将获得生物信息学、系统生物学、生物化工、化学生物学、生物工程、化学、药物代谢等相关专业的博士学位，对计算生物学或系统生物学有浓厚兴趣。生物信息学或深度学习背景优先；

2.具有良好的英文读写能力，在国际刊物上发表过学术论文，能够独立完成英文论文写作；

3.有较强的独立科研能力、严谨的科研态度，上进心和良好的团队合作精神；

4.全职在本站进行研究工作。

拟提供待遇

1.参照清华大学深圳国际研究生院及深圳市相关条例享受工资待遇;

2.博士后在站期间基本年薪为12万元，并按照相关规定参加社会保险及住房公积金，开题和中期考核合格者，可获得深圳市生活补贴18万元/年(资助期限不超过2年)，在深圳市无房的博士后可享受2800元1月的租房补贴;

3.学校为每位博士后提供在站期间两年共计2万元的科研学术活动资助;

4.已获得水木学者的博士后，在站期间可额外获得6万元/年的院发补贴(以薪酬委员会决议为准);

5.在站期间可按照相关规定，申请中国博士后科学基金和国家、省、市其他科研项目;

6.博士后出站选择留深从事科研工作，且与本市企事业单位签订3年以上劳动(聘用)合同的，可申请深圳市出站博士后留深科研资助(10万元/年，共资助3年):

7.博士后如认定为深圳市高层次人才的，可按规定申请人才奖励补贴；

8.课题组为获聘者提供国内外会议及交流访问机会，积极支持个人职业发展，创造良好的科研条件和环境，特别优秀者待遇可面议。

*以上福利待遇均以深圳市政府最新政策为准。

岗位名称2

研究助理

岗位职责

1.协助其他成员完成必要的系统生物学和生物信息学相关工作；

2.负责网站和服务器维护；

3.协助处理其它科研相关工作；

4.优秀者可独立开展研究课题。

任职条件

1.硕士及以上学历，代谢工程、酶工程、生物信息学、计算机科学等相关专业；

2.具有编程基础、代谢建模、生信分析或深度学习经验者优先考虑；

3.团队合作意识强，工作态度认真负责；

4.全职在本课题组工作。

拟提供待遇

面议

联系方式及应聘流程

请申请人将个人简历（应包括出生年月、教育背景、工作学习经历、科研成果介绍）及未来工作计划等发送至如下邮箱，邮件主题请注明“姓名+岗位应聘”，邮件中请注明预计入职时间。另外，本课题组长期招收博士生及硕士生。欢迎咨询交流和应聘。

邮箱：[email protected]

发表文章列表

iBHE

（详细列表见：

https://orcid.org/0000-0001-9155-5260）

1.Li F#, Yuan L#, Lu H, Li G, Chen Y, Engqvist MKM, Kerkhoven EJ and Nielsen J. Deep learning based kcat prediction enables improved enzyme constrained model reconstruction. Nature Catalysis (2022).

2.Li F, Chen Y, Qi Q, Wang Y, Yuan L, Huang M, Elsemman IE, Feizi A, et al. Improving recombinant protein production by yeast through genome-scale modeling using proteome constraints. Nature Communications (2022).

3.Li F#, Chen Y#, Anton M# and Nielsen J. GotEnzymes: an extensive database of enzyme parameter predictions. Nucleic Acids Research (2023).

4.Lu H#, Li F#, Yuan L#, Domenzain I, Yu R, et al. Yeast metabolic innovations emerged via expanded metabolic network and gene positive selection. Molecular Systems Biology (2021)

5.Lu H#, Li F#, Sánchez BJ, Zhu Z, Li G, et al. A consensus S. cerevisiae metabolic model Yeast8 and its ecosystem for comprehensively probing cellular metabolism. Nature Communications (2019)

其他论文列表：

6.Chen Y, Li F. Metabolomes evolve faster than metabolic network structures. PNAS (2024).

7.Chen Y, Gustafsson J, Rangel A, Anton M, Domenzain I; Kittikunapong C, Li F, Yuan L, Nielsen J, Kerkhoven E. Reconstruction, simulation and analysis of enzyme-constrained metabolic models using GECKO Toolbox 3.0. Nature Protocols (2024)

清华大学深圳国际研究生院-李斐然课题组招聘博士后/科研助理

正文

请到「今天看啥」查看全文