职位
部门概述
Prescient Design的小分子药物发现（SMDD）团队正在寻找具有质谱结构阐明、小分子药物生物转化或机器学习方面的研究背景，并具有解决技术问题的良好记录的优秀研究生实习生，以开发和实施研究中的创意。
我们的使命是开发和应用先进的方法，利用代谢物枚举和质谱数据来确定药物候选物中的风险位点。研究人员主要关注应用和/或开发质谱数据上的深度学习模型，但应对化学和生物学相关方法以及质谱数据有广泛的兴趣，以推动和深化研究问题。实习生还将有机会与药物代谢和药物动力学（DMPK）部门合作，广泛接触生物技术行业中药物开发过程的各个方面。
该实习职位需要在旧金山，加利福尼亚州现场工作。
主要职责
• 参与前沿研究，开发和应用机器学习来预测小分子的结构，利用质谱数据
• 设计、实施和/或评估用于代谢物枚举、从理论代谢物预测质谱图（正向质谱）或从实验质谱数据预测小分子结构（逆向质谱）的机器学习模型，为DMPK研究的代谢物鉴定流程做出贡献。
• 与机器学习科学家、研究工程师、计算生物学家、化学家和生物学家密切合作
• 口头和书面报告和展示研究发现和进展，包括状态和结果（在顶级机器学习会议上发表）
项目亮点
• 密集的12周全职（每周40小时）有薪实习。
• 项目开始日期为5月或6月（夏季）
• 提供根据地点确定的津贴，以帮助支付实习相关的费用。
• 拥有具有挑战性和影响力的关键业务项目。
• 与生物技术行业中最杰出的人才一起工作。
你是谁（必备条件）
必要学历：
• 必须在以下领域攻读博士学位：计算生物化学、计算生物学、计算化学、计算机科学、机器学习或其他相关领域
• 必须已完成1年的硕士课程，专注于以下领域：计算生物化学/生物学、机器学习
必备技能：
• 熟练使用Python，并具有使用现代Python框架进行深度学习的经验（例如PyTorch或TensorFlow）
• 对应用于质谱数据分析的深度学习具有相关研究经验，用于小分子结构阐明
• 具有代谢组学研究的经验
首选技能：
• 通过发表论文、公开代码存储库或其他证据证明的计算研究经验
• 具有一个或多个质谱数据工具包的经验（例如OpenMS、MZmine、GNPS、Sirius、XCMS）
• 具有处理大型化学和生物数据集的经验
• 符合我们的文化和指导我们日常行为和决策的标准：诚信、勇气和激情。
• 具有在复杂研究环境中解决问题的强大协作能力、创新思维和记录。
本职位不提供搬迁福利。
根据旧金山，加利福尼亚州的主要位置，该职位的预期薪资范围为每小时50美元。实际薪酬将根据经验、资格、地理位置和其他法律允许的与工作相关的因素确定。该职位还有资格获得带薪假期福利。
#GNE-gCS-2024-Interns
Genentech是一个机会均等的雇主，我们接纳日益多样化的世界。Genentech禁止基于种族、肤色、宗教、性别、性取向、性别认同或表达、国籍或血统、年龄、残疾、婚姻状况和退伍军人身份的非法歧视。 
旧金山