美国康涅狄格大学计算机化学博士后（辅助药物设计方向）

minghusong

美国康涅狄格大学（The University of Connecticut）Department of Biomedical Engineering 诚聘计算化学 （CADD or quantum chemistry）方向博士后或访问学者1-2名。

AI/机器学习在药物开发和医疗保健中的应用已成为一个快速发展的研究领域。 康涅狄格大学生物医学工程(BME)系将于2020二月成立的一个的新的计算机辅助药物设计实验室（旧网站： https://mlddd-ct.github.io/） 致力于有关人工智能药物设计的一些前沿研究领域。 目前团队包括机器学习或有机化学背景的多位PI. 我们将提供独特的跨学科工作环境。 除了最先进的计算资源外，候选人还将与计算机科学家，数学家，药物化学家紧密合作。 在将机器学习算法与传统药物化学，药理学知识 以及理论化学相结合的基础上设计，开发和应用一些前沿的CADD和化学计量学方法来完善设计-合成-测试-分析 (DMTA) 周期或解决一些在工业界药物设计过程的实际问题。

任职要求及团队交流能力：

• 具有计算化学/生物背景的博士学历
• 具有良好的英文沟通和团队合作能力以及认真负责的工作态度， 协助PI推动多学科研究项目的进展
• 主动的学习意愿。 渴望不断学习计算药物化学相关的新兴前沿课题。 从不同角度进行创新思考，并针对复杂问题提出创新解决方案。
• 愿意指导团队中研究生及共享最佳建模和数据分析实践

具有以下某些计算知识或研究经验者优先：

Chemoinformatics 方向：  
• 熟悉一些常用的机器学习和大数据分析慨念（Regression/Classification/large scale clustering or similarity analyses， interactive data visualization, etc.）
• 熟悉目前一些深度学习在药物化学中的应用方法(GAN/NLP/Reinforcement learning for molecular de novo design, GCN and CNN for molecular property or protein binding affinity prediction, etc.)
• 熟悉某些深度学习或数据分析工具 （Pytorch，TensorFlow，Keras，Knime，Pandas，Scikit-learn等）
• 具有较强的编程和算法能力，熟练应用至少一门编程语言(C++/C, python, Java等)
• NoSQL/Graph数据库 （MongoDB，Neo4j，HyperGraphDB

计算化学结合机器学习的领域：
• 理解量子化学基础理论（e.g.quantum theory of atoms in molecules (QTAIM))和熟悉量子化学计算流程和基本原理;
• 结合药物/生物化学及计算化学进行过相关的理论或实验研究，在相关领域发表过文章
• 化学信息学和分子建模软件：Schrödinger套件，化学信息学工具包（例如RDkit，Openeye，CDK），QM和MD模拟程序包（高斯，GROMACS/AMBER/CHARMM），Pymol等。

职责范围
•        Work with the PI and computer science colleagues to develop or apply cutting-edge machine learning approaches for drug discovery (e.g. 3D-based de novo molecular generation or focused compound library; large-scale molecule similarity search; better deep representation of molecule or ligand-protein interaction, etc.)
•        Work with computer scientist colleagues to build relevant chemoinformatics databases
•        Work with computer scientist colleagues to develop novel analytic or interactive visualization tools  for biochemical data analyses or machine learning model interpretation
•        Publish in high-impact chemistry, chemical biology, and machine learning journals or present at scientific conferences (e.g. ACS, Gordon research conference, NeurIPS, ICML, etc.).
•        Collaborate with bench chemists or biologists to design of molecular probes or focused library of specific target families for Proof-Of-Concept (POC) studies
•        Identify and evaluate new modeling and informatics technology and software applications from open sources or through external collaborations

感兴趣的候选人请通过电子邮件将其简历和cover letter发送至 mlddd.ct@gmail.com。 谢谢。