清華大學深圳國際研究生院生物醫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歲以下科技創新35人中國區、AI100青年先鋒等。2017年碩士畢業于天津大學生物化工專業，師從代謝工程領域知名學者趙學明教授以及代謝網絡模型專家馬紅武研究員。2021年博士畢業于瑞典查爾姆斯理工大學，師從中國工程院外籍院士Jens Nielsen教授，隨后于同實驗室開展博士后研究工作。2023年初加入清華大學深圳國際研究生院生物醫藥與健康工程研究院。致力于數字生命研究，涉及計算生物學、系統生物學、人工智能等多個領域。近年來共發表同行評議SCI論文20余篇，其中以第一/通訊作者身份在Nature Catalysis，Nature Communications，Molecular Systems Biology，Nucleic Acids Research及PNAS等國際高水平期刊發表文章多篇。擔任Frontiers in Bioengineering and Biotechnology期刊客座編輯，BioDesign Research、Advanced Biotechnology青年編委以及Nat Biotech、Nat Genetics、Nat Commun、PNAS、Genome Biology、ISME等期刊審稿人。

一、課題組研究方向：

通過開發新方法和新技術構建和分析數字生命模型，揭示生命系統的內在機理，助力合成生物學和生物醫藥研究。具體研究方向：

1.面向醫藥健康，整合多組學數據，開發及分析細胞、器官及整體的代謝網絡及調控模型，發展人類數字孿生模型。

2.面向合成生物學，構建數字細胞模型，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，實現高效細胞工廠的智能精準設計。

3.開發深度學習模型，助力理解蛋白序列-功能-參數關系。

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.發表高質量學術論文；

3.協助指導學生；

4.協助申報本領域科研項目。

任職條件：

1.近2年內獲得或即將獲得生物信息學、系統生物學、生物化工、化學生物學、生物工程、化學、藥物代謝等相關專業的博士學位，對計算生物學或系統生物學有濃厚興趣。生物信息學或深度學習背景優先；

2.具有良好的英文讀寫能力，在國際刊物上發表過學術論文，能夠獨立完成英文論文寫作；

3.有較強的獨立科研能力、嚴謹的科研態度，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/年的院發補貼(以薪酬委員會決議為準);

5.在站期間可按照相關規定，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，可按規定申請人才獎勵補貼；

8.課題組為獲聘者提供國內外會議及交流訪問機會，積極支持個人職業發展，創造良好的科研條件和環境，特別優秀者待遇可面議。

*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.協助其他成員完成必要的系統生物學、生物信息學及深度學習相關工作；

2.協助處理其它科研、項目申報等相關工作；

3.優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、系統生物學、人工智能等相關專業；

2.具有編程基礎、代謝建模、生信分析或深度學習經驗者優先考慮；

3.團隊合作意識強，工作態度認真負責；

4.全職在本課題組工作。

擬提供待遇：面議

三、聯系方式及應聘流程：

請申請人將個人簡歷（應包括出生年月、教育背景、工作學習經歷、科研成果介紹）及未來工作計劃等發送至如下郵箱 ，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：feiranli@sz.tsinghua.edu.cn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。

李斐然老師發表文章列表（詳細列表見：https://orcid.org/0000-0001-9155-5260）：

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, Cao G, Zheng P, et al. Identification of a new gene yecC involved in threonine export in Escherichia coli. FEMS Microbiology Letters (2017)

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, Cao G, Jiang W, et al. A fast and sensitive coupled enzyme assay for the measurement of l-threonine and application to high-throughput screening of threonine-overproducing strains. Enzyme and Microbial Technology (2014)

信息來源于網絡，如有變更請以原發布者為準。

來源鏈接：

https://mp.weixin.qq.com/s/6MeesA-biLp3tCI9hzgQKA

為防止簡歷投遞丟失請抄送一份至：boshijob@126.com（郵件標題格式：應聘職位名稱+姓名+學歷+專業+中國博士人才網）