1. 生物大数据ETL体系建设 负责亿级抗体序列、蛋白序列、突变库、实验湿数据的采集、清洗、归一、融合、结构化ETL全流程；处理TB级海量生物数据，搭建稳定、自动化、可迭代的数据处理流水线。 2. 生物序列质控体系搭建 建立抗体/蛋白序列专属质控标准：冗余过滤、异常序列剔除、CDR区校验、长度过滤、低质量噪点过滤、突变合理性校验等；形成可自动化运行的质控规则库，保障训练数据高质量、高纯度。 3. 生物数据标注体系规范建设 牵头设计并落地抗体序列结构化标注体系，统一字段规范、语义规范、实验属性标注、结构属性标注、亲和力/稳定性标签体系；建立标注流程、标注SOP、质检复核机制，支撑模型高质量训练。 4. 数据集版本管理与数据资产建设 搭建生物数据集版本管理、溯源、分层管理体系，支持增量更新、版本回滚、数据分级、权限管理；构建公司标准化抗体数据资产库，为持续迭代大模型提供稳定数据源。 5. 自动化Pipeline工程化落地 独立搭建可复用、自动化、周期性运行的生物数据处理Pipeline，实现数据清洗、质控、标注、打包、出集自动化，大幅降低算法同学前置数据工作量，提升模型迭代效率。 6. 数据迭代与业务支撑 对接算法研发、抗体研发实验团队，根据模型训练反馈、湿实验结果持续优化数据规则、扩充高质量数据集、优化数据分布，提升模型泛化能力与预测精度。

1. 计算机、数据工程、生物信息、计算生物等相关专业，本科及以上，3年以上大数据/生物数据工程经验。 2. 具备TB级海量数据、亿级样本规模数据实战处理经验，有蛋白/抗体/基因序列数据处理经验优先。 3. 有完整生物数据Pipeline搭建经验，熟练完成数据自动化清洗、归一、质控、结构化出集全链路。 4. 熟悉生物序列数据质控逻辑、标注体系设计、数据集版本管理、数据分层治理，懂AI训练数据需求。 5. 工程能力扎实：熟练 Python、数据并行处理、批量调度、数据脚本工程化，熟悉大数据工具栈。 6. 具备极强的数据标准化、体系化思维，能够从0到1搭建生物数据基建，减少算法侧重复造轮子。