Institute of Biological Chemistry, Academia Sinica

研究主題：人工智慧驅動的蛋白質設計與泛素系統調控機制

中央研究院生物化學研究所 吳昆峯博士研究團隊(https://kpwulab.com/) 致力於結合人工智慧（AI）與結構生物學技術，發展自主開發的 AI 工具以解析蛋白質結構、設計新型結合體，並應用於探討 泛素（ubiquitin）系統的調控與功能機制。

近年來，本實驗室以跨領域策略結合 AI 蛋白質設計與結構生物學研究，利用大量人工智慧工具進行蛋白質設計（ACS Synthetic Biology 2023）與藥物篩選（Journal of Biological Chemistry 2025），並應用精準的 蛋白質循理性設計（Journal of Molecular Biology 2023），開發具有強效抑制功能與穩定性的設計蛋白質。


同時，我們採用多項結構生物學新穎技術，包括 冷凍電子顯微鏡（CryoEM；Protein Science 2022, Nucleic Acids Research 2023, JACS 2023）、蛋白質結晶學（JMB 2022; PDB: 7D47, 7YQN, 8JUX, 9LQK, 9LQM)，以及 AI-加速之NMR 數據收集與分析，以加速蛋白質結構與功能設計之研究進程。這些技術整合使我們能深度解析泛素系統酵素的活化機制與調控模式，建立 AI 與實驗驅動的完整研究框架。

本實驗室獲多項中研院計畫補助，包括：

• 深耕計畫（2026–2030）
• 人工智慧與蛋白質設計計畫（2025–2027）
• 關鍵突破種子計畫（2026–2027，協同主持人）

提供穩定的研究環境與多元的跨領域合作機會。

【主要職責】

• 開發與應用 AI 或機器學習方法於蛋白質結構、交互作用與功能預測
• 與團隊成員協作，整合計算與實驗數據以推進研究計畫
• 撰寫論文、協助研究計畫申請，並參與國際合作與學術交流

• 學歷背景：
博士學位（生物資訊、生化、結構生物學、物理化學、計算生物、人工智慧應用於生命科學或相關領域）。
• 核心能力：
具備獨立開發與應用人工智慧方法於蛋白質結構研究的能力。需熟悉 Python 程式語言與 PyTorch 深度學習框架，能撰寫、閱讀並修改現有開源模型（如 AlphaFold、ProteinMPNN 等）之程式碼。
理解 深度學習（Deep Learning）基本理論，包括神經網路架構（MLP、CNN、Transformer、GNN）、損失函數設計與模型訓練流程，能針對研究需求進行模型改良或建立自訂模組。
• 資料與架構理解：
熟悉蛋白質結構與生物物理概念，包括摺疊能量面、界面作用、疏水性與電荷分佈等。能處理並分析結構資料庫（PDB）、AlphaFold 預測結構與分子動力學模擬結果，熟悉 BioPython、MDAnalysis、PyMOL API、ChimeraX scripting 或其他結構操作工具。
• 運算環境與工程實務：
具備 Linux 環境操作經驗，熟悉 Conda、Slurm、Docker 等環境管理。能使用 Git / GitHub 進行版本控制與團隊協作。具雲端運算或 GPU 訓練經驗者尤佳。
• 研究整合能力：
能將 AI 模型輸出與實驗資料（NMR、cryo-EM、X-ray、ITC、DSF 等）整合分析，用於預測、設計或解釋蛋白質交互作用。
具備生化與結構數據判讀能力，能跨領域與實驗研究人員協作，將計算結果轉化為可驗證的生物學假說。
• 研究成果與學術表現：
曾發表相關領域研究成果（AI蛋白質設計、結構預測、分子建模、生物物理分析或泛素系統研究），具論文紀錄或程式開源經驗者優先。
• 人格特質與合作精神：
具獨立研究思考能力、責任感與團隊協作精神，樂於在跨領域環境中溝通合作，並能與實驗團隊密切配合，推動 AI 與結構生物學之整合研究。

【工作地點與待遇】

中央研究院 生物化學研究所（台北南港）
薪資從64711 起聘，依中央研究院規定及學歷經驗敘薪，並視經驗調整，表現良好可彈性調薪。

本職缺適用「勞動基準法」，可依經歷調薪或彈性敘薪，享勞健保及1.5月年終獎金。

可入職時間: 114年12月1日起

【申請資料】

• 個人履歷（含學經歷、研究摘要、發表論文列表）
• 三位推薦人之聯絡方式（姓名、職稱、E-mail）

申請請寄至： kpwulab@gmail.com，請於信件主題註明 [應徵博士後研究員/Postdoc]

備註： 資格不符者，將主動移除信件，恕不退還申請資料。