清華大學深圳國際研究生院生物醫(yī)藥與健康工程研究院（iBHE）李斐然課題組因科研工作需要，面向國內(nèi)外誠聘博士后2-4名、研究助理2名。
李斐然，清華大學深圳國際研究生院助理教授、博士生導師。入選國家重大人才工程青年項目（海外），《麻省理工科技評論》35歲以下科技創(chuàng)新35人中國區(qū)、AI100青年先鋒等。2017年碩士畢業(yè)于天津大學生物化工專業(yè)，師從代謝工程領域知名學者
一、課題組研究方向：
通過開發(fā)新方法和新技術構建和分析數(shù)字生命模型，揭示生命系統(tǒng)的內(nèi)在機理，助力合成生物學和生物醫(yī)藥研究。具體研究方向：
1.面向醫(yī)藥健康，整合多組學數(shù)據(jù)，開發(fā)及分析細胞、器官及整體的代謝網(wǎng)絡及調控模型，發(fā)展人類數(shù)字孿生模型。
2.面向合成生物學，構建數(shù)字細胞模型，探索代謝暗物質，解析新途徑及挖掘新酶，加速生物合成途徑設計以及生物合成潛力挖掘，實現(xiàn)高效細胞工廠的智能精準設計。
3.開發(fā)深度學習模型，助力理解蛋白序列-功能-參數(shù)關系。
二、招聘崗位：
崗位名稱1：博士后
崗位職責：
1.開展與上述方向相關的研究工作；
2.發(fā)表高質量學術論文；
3.協(xié)助指導學生；
4.協(xié)助申報本領域科研項目。
任職條件：
1.近2年內(nèi)獲得或即將獲得生物信息學、系統(tǒng)生物學、生物化工、化學生物學、生物工程、化學、藥物代謝等相關專業(yè)的博士學位，對計算生物學或系統(tǒng)生物學有濃厚興趣。生物信息學或深度學習背景優(yōu)先；
2.具有良好的英文讀寫能力，在國際刊物上發(fā)表過學術論文，能夠獨立完成英文論文寫作；
3.有較強的獨立科研能力、嚴謹?shù)目蒲袘B(tài)度，上進心和良好的團隊合作精神；
4.全職在本站進行研究工作。
擬提供待遇：
1.參照清華大學深圳國際研究生院及深圳市相關條例享受工資待遇;
2.博士后在站期間基本年薪為12萬元，并按照相關規(guī)定參加社會保險及住房公積金，開題和中期考核合格者，可獲得深圳市生活補貼18萬元/年(資助期限不超過2年)，優(yōu)秀者另外有5-10萬元/年的課題組補貼，在深圳市無房的博士后可享受2800元/月的租房補貼;
3.學校為每位博士后提供在站期間兩年共計2萬元的科研學術活動資助;
4.已獲得水木學者的博士后，在站期間可額外獲得6萬元/年的院發(fā)補貼(以薪酬委員會決議為準);
5.在站期間可按照相關規(guī)定，申請中國博士后科學基金和國家、省、市其他科研項目;
6.博土后出站選擇留深從事科研工作，且與本市企事業(yè)單位簽訂3年以上勞動(聘用)合同的，可申請深圳市出站博士后留深科研資助(10萬元/年，共資助3年):
7.博士后如認定為深圳市高層次人才的，可按規(guī)定申請人才獎勵補貼；
8.課題組為獲聘者提供國內(nèi)外會議及交流訪問機會，積極支持個人職業(yè)發(fā)展，創(chuàng)造良好的科研條件和環(huán)境，特別優(yōu)秀者待遇可面議。
*以上福利待遇均以深圳市政府最新政策為準。
崗位名稱2：研究助理
崗位職責：
1.協(xié)助其他成員完成必要的系統(tǒng)生物學、生物信息學及深度學習相關工作；
2.協(xié)助處理其它科研、項目申報等相關工作；
3.優(yōu)秀者可獨立開展研究課題。
任職條件：
1.碩士及以上學歷，代謝工程、酶工程、生物信息學、系統(tǒng)生物學、人工智能等相關專業(yè)；
2.具有編程基礎、代謝建模、生信分析或深度學習經(jīng)驗者優(yōu)先考慮；
3.團隊合作意識強，工作態(tài)度認真負責；
4.全職在本課題組工作。
擬提供待遇：面議
三、聯(lián)系方式及應聘流程：
請申請人將個人簡歷（應包括出生年月、教育背景、工作學習經(jīng)歷、科研成果介紹）及未來工作計劃等發(fā)送至如下郵箱，請【點擊下方“立即投遞/投遞簡歷”，即刻進行職位報名】，郵件主題請注明“姓名+崗位應聘”，郵件中請注明預計入職時間。另外，本課題組長期招收博士生及碩士生。歡迎咨詢交流和應聘。
郵箱：（點擊查看）請將郵件主題標注為“博士后應聘”+“應聘者姓名”或“研究助理應聘”+“應聘者姓名”。
申請截止時間：長期有效，招滿為止。
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, ChenY, Qi Q, Wang Y, YuanL, 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 consensusS. cerevisiae metabolic model Yeast8 and its ecosystem for comprehensively probing cellular metabolism. Nature Communications(2019)
其他論文列表：
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)
8.Yuan Q, Wei F, Deng X; Li A, Shi Z, Mao Z; Li F*, Ma H*. Reconstruction and metabolic profiling of the genome-scale metabolic network model of Pseudomonas stutzeri A1501. Synthetic and Systems Biotechnology (2023).
9.Li F*, Chen Y, Gustafsson J, Wang H, Wang Y, Zhang C, Xing X. Genome-scale metabolic models applied for human health and biopharmaceutical engineering. Quantitative Biology (2023)
10. Li F*. Filling gaps in metabolism using hypothetical reactions. PNAS (2022).
11. Chen Y, Li F and Nielsen J. Genome-scale modeling of yeast metabolism: retrospectives and perspectives. FEMS Yeast Research(2022)
12. Chen Y, Li F, Mao J, Chen Y, Nielsen J. Yeast optimizes metal utilization based on metabolic network and enzyme kinetics. PNAS(2021)
13. Domenzain I#, Li F#, Kerkhoven EJ, and Siewers V. Evaluating accessibility, usability and interoperability of genome-scale metabolic models for diverse yeasts species. FEMS Yeast Research (2021)
14. Qi Q, Li F, Yu R, Engqvist MKM, Siewers V, et al. Different Routes of Protein Folding Contribute to Improved Protein Production in Saccharomyces cerevisiae. mBio (2020)
15. Sánchez BJ, Li F, Kerkhoven EJ, and Nielsen J. SLIMEr: probing flexibility of lipid metabolism in yeast with an improved constraint-based modeling framework. BMC Systems Biology (2019)
16. Yang X, Yuan Q, Luo H, Li F, Mao Y, et al. Systematic design and in vitro validation of novel one-carbon assimilation pathways. Metabolic Engineering (2019)
17. Li F#, Xie W#, Yuan Q, Luo H, Li P, et al. Genome-scale metabolic model analysis indicates low energy production efficiency in marine ammonia-oxidizing archaea. AMB Express (2018).
18. Xu Y, Liu Y, Li F,
19. Yuan Q, HuangT, Li P, Hao T, Li F, et al. Pathway-consensus approach to metabolic network reconstruction for Pseudomonas putida KT2440 by systematic comparison of published models. PloS One (2017)
20. Dong H, Liu Y,Zu X, Li N, Li F, and Zhang D. An enzymatic assay for high-throughput screening of cytidine- producing microbial strains. PloS One (2015)
21. Liu Y, Li F, Zhang
X,
信息來源于網(wǎng)絡，如有變更請以原發(fā)布者為準。
來源鏈接：
https://mp.weixin.qq.com/s/6MeesA-biLp3tCI9hzgQKA
更多最新博士后招收資訊請關注：
【
【
