UP简历小U

+86 138-XXXX-XXXX|xiaou.upresume@example.com|上海

个人总结

资深AI药物开发工程师，拥有<strong>5年</strong>AI药物设计与研发经验。精通机器学习、深度学习及计算化学等前沿技术，擅长利用AI模型加速药物发现流程，曾主导<strong>多个</strong>新药项目的AI辅助设计，显著提升了研发效率与成功率。致力于将创新AI技术应用于药物研发，推动新药上市，以卓越的技术能力和项目管理经验，为团队带来突破性进展。

工作经历

AI药物开发工程师

药明康德

2020-07 - 2024-06

主导AI辅助药物设计平台的开发与维护，利用深度学习、强化学习等技术优化小分子药物筛选流程，将命中率提高30%，显著缩短了先导化合物发现周期。
负责蛋白质结构预测与分子对接相关研究，引入AlphaFold等前沿工具，成功预测5个关键靶点蛋白结构，指导后续药物设计，加速项目进展15%。
与化学家团队紧密合作，基于生成模型（如GAN、VAE）设计新型化合物骨架，成功生成1000+潜在活性分子，其中20个进入体外活性验证阶段。
构建并优化ADMET预测模型，利用多任务学习提升预测精度，使化合物的成药性评估效率提升25%，降低后期药物开发风险。
指导并培训初级工程师，组建3人AI药物研发小组，提升团队整体技术实力与项目交付效率。

项目经历

基于深度学习的抗肿瘤药物靶点预测项目

药明康德

2022-03 - 2023-09

项目背景：针对特定肿瘤通路，加速发现新型药物靶点，提升研发效率。
个人角色：项目负责人，负责整体技术方案设计、模型开发与数据分析。
项目执行：
- 收集并整理10000+药物-靶点相互作用数据，进行特征工程与数据清洗。
- 设计并实现基于图神经网络（GNN）的药物-靶点预测模型，利用Python、PyTorch进行开发。
- 通过交叉验证与超参数调优，模型在独立测试集上的AUC值达到0.92。
项目成果：
- 成功预测15个潜在抗肿瘤药物靶点，其中3个已进入湿实验验证阶段，为公司节约了XX研发成本。
- 项目成果发表于国际顶级计算生物学会议。

AI驱动的虚拟筛选与分子优化平台开发

药明康德

2021-01 - 2022-02

项目背景：构建自动化、高效的虚拟筛选平台，实现高通量化合物库的快速评估和优化。
个人角色：核心开发成员，负责AI算法模块的实现与集成。
项目执行：
- 利用机器学习算法（如随机森林、XGBoost）构建化合物活性预测模型，训练集包含50000+化合物数据。
- 开发基于分子动力学模拟的分子优化模块，结合AI模型进行迭代优化，提升结合亲和力。
- 平台集成于公司内部计算集群，支持并行计算，日处理能力达100万个分子。
项目成果：
- 平台上线后，虚拟筛选效率提升5倍，成功筛选出100+高潜力化合物，为2个新药项目提供了候选分子。
- 通过该平台，某先导化合物的结合活性提升了3倍。