1. 围绕代谢疾病建立AI驱动的新靶点发现平台； 2. 整合GWAS、人类遗传学、bulk RNA-seq、单细胞、空间组学、蛋白组及代谢组数据发现疾病关键调控节点； 3. 构建基因—蛋白—通路—细胞—组织—疾病知识图谱； 4. 利用神经网络、图神经网络及因果推断模型开展靶点预测及优先级排序； 5. 重点寻找具有明确人类遗传学依据、组织表达选择性和siRNA/ASO可干预性的靶点； 6. 建立靶点评分体系，从遗传学证据、疾病相关性、组织特异性、成药性、安全性、竞争格局及临床转化潜力等维度综合评价； 7. 与实验团队合作完成靶点体外和体内功能验证，实现“AI预测—实验验证—项目立项”的闭环； 8. 持续建立代谢疾病靶点数据库，为MASH、肥胖、糖尿病、CKD、痛风及心血管代谢疾病管线提供新项目储备。

1.博士学历，计算生物学、生物信息学、人工智能、系统生物学、遗传学、医学、生物统计学等相关专业，硕士及以上学历，博士优先。要求具备较强的疾病生物学理解能力，代谢疾病研究背景；有从计算预测靶点推进至实验验证甚至药物项目立项经验者优先； 2.熟悉机器学习、深度学习、神经网络、图神经网络等算法； 3.熟悉RNA-seq、single-cell RNA-seq、空间转录组、蛋白组、代谢组等至少两类组学数据分析； 4.熟悉GWAS、PheWAS、eQTL、pQTL、Mendelian Randomization及人类遗传学靶点验证方法； 5.能够整合人类遗传学、组学、疾病表型、通路及药物数据进行靶点优先级排序； 6.具有肥胖、糖尿病、MASH、CKD、痛风/高尿酸血症、血脂异常等代谢疾病研究经验者优先； 7.熟悉知识图谱、GNN或多模态生物医学基础模型。