عالم كيمياء حاسوبية، وبيولوجيا بنيوية، واكتشاف الأدوية (درجة الدكتوراه)

المسمى الوظيفي: عالم كيمياء حسابية، بيولوجيا بنيوية واكتشاف أدوية (دكتوراه)

نوع الوظيفة: مستقل

الموقع: عن بُعد (حول العالم)

ملخص الوظيفة: في هذا الدور، ستطبق خبرتك للمساعدة في تدريب أنظمة الذكاء الاصطناعي للجيل القادم. سيتشكل عملك كيف تتعلم النماذج وتستنتج وتؤدي من خلال مدخلات عالية الجودة وحقيقية.

المسؤوليات الرئيسية

• تصميم وكتابة مشكلات علمية صعبة وعالية المستوى في الكيمياء الحسابية، والبيولوجيا البنية، واكتشاف الأدوية، مع حلول واضحة وقابلة للتحقق.
• مراجعة وتقييم مخرجات نماذج الذكاء الاصطناعي من حيث الدقة العلمية، والصرامة، وعمق الاستدلال، وتحديد الأخطاء الدقيقة التي قد يفوتها غير المتخصصين.
• تطوير قواعد تقييم وإجابات مرجعية مفصلة مستندة إلى الأدبيات الأساسية والمنهجية الراسخة.
• تطبيق خبرة المجال عبر مجالات مثل النمذجة والمحاكاة الجزيئية، وتنبؤ وتصميم بنية البروتينات، والفحص الافتراضي والترسيخ، ونمذجة QSAR/ADMET، وتحليل بيانات علم البروتينات وعلم التمثيل الغذائي.
• تقديم تفسيرات كتابية واضحة لاستدلالك، بحيث يمكن للخبراء الآخرين متابعتها والتحقق منها.
• استيفاء معايير الجودة من خلال دورات التغذية الراجعة التكرارية ومراجعة الأقران.

المؤهلات المطلوبة (إلزامية)

• درجة الدكتوراه في الكيمياء الحسابية، أو البيولوجيا البنية، أو الفيزياء الحيوية، أو المعلوماتية الحيوية، أو الكيمياء الطبية، أو الكيمياء الحيوية، أو مجال ذي صلة وثيقة.
• خبرة بحثية عملية في مختبر أكاديمي أو صناعي (خبرة المختبرات الرطبة تعد ميزة إضافية).
• إجادة اللغة الإنجليزية كتابةً وتحدثاً (المستوى C1 أو أعلى).

المهارات المُفضَّلة

• خبرة بحثية ما بعد الدكتوراه أو في الصناعة (الأدوية/التكنولوجيا الحيوية) في اكتشاف الأدوية أو البيولوجيا البنية.
• سجل نشر قوي، لا سيما الأوراق البحثية للمؤلف الأول في المجلات ذات الصلة.
• النمذجة والمحاكاة الجزيئية: GROMACS، AMBER، NAMD، OpenMM، طرق الطاقة الحرة (FEP/TI).
• التنبؤ بالبنية والتصميم: AlphaFold، Rosetta، نمذجة التماثل، تفسير بيانات المجهر الإلكتروني فائق البرودة (cryo-EM) / بلورة الأشعة السينية.
• الترسيخ والفحص الافتراضي: AutoDock، Glide، Schrödinger Suite، MOE.
• المعلوماتية الكيميائية: RDKit، QSAR/QSPR، التنبؤ بـ ADMET، البصمات، تصميم المكتبات.
• علم البروتينات وعلم التمثيل الغذائي: LC-MS/MS، MaxQuant، مساحات عمل DIA/DDA، تحليل PTM، علم التمثيل الغذائي غير المستهدف.
• البرمجة: Python (مطلوب عملياً)، بالإضافة إلى R، أو Bash، أو ما شابه؛ وتُعد الخبرة في التعلم الآلي للتنبؤ بالخصائص الجزيئية (GNNs، النماذج التوليدية) ميزة إضافية.
• خبرة في المعيارية، أو تقييم النموذج، أو الكتابة/المراجعة العلمية.
• القدرة على شرح المفاهيم العلمية المعقدة بوضوح ودقة كتابةً.