포지션 상세
AInB(Artificial Intelligence in Bioscience)는 AI 기술과 바이오사이언스를 융합하여 차세대 항체 의약품을 발굴하는 회사입니다. 인공지능을 활용한 항체 설계로 환자에게 빠르게 제공하는 Just-In-Time 신약개발을 목표로 하고 있으며, AI 모델팀과 실험팀이 긴밀하게 협업하여 항체 discovery 전 과정을 혁신하고 있습니다.
본 포지션은 항체의 물성을 예측하는 머신러닝 모델을 개발하고, 이를 사내 항체 설계·생성 파이프라인에 통합하는 역할을 담당합니다. 서열(sequence)과 구조(structure) 정보를 입력으로 하여 항체 물성 지표를 정량적으로 예측하는 모델을 설계·고도화하고, 실험팀과의 design-build-test-learn(DBTL) 루프를 통해 모델의 실제 발굴 기여도를 높이는 것이 핵심 목표입니다.
• 항원·항체 결합력(binding affinity) 분석 및 해석 (ELISA, SPR, BLI 등)
• 항체 특성 분석(characterization): 특이성, epitope binning, developability 평가 등
• 항체 후보물질 평가를 위한 in vitro / in vivo assay 설계 및 수행
• AI 모델팀과 협업하여 실험 데이터 설계·해석, 모델 개선을 위한 피드백 제공
• 항체 의약품 discovery 워크플로우 전반에 대한 이해
• 항원·항체 상호작용 및 항체 특성 분석 경험
• in vitro / in vivo assay 수행 경험
본 포지션은 항체의 물성을 예측하는 머신러닝 모델을 개발하고, 이를 사내 항체 설계·생성 파이프라인에 통합하는 역할을 담당합니다. 서열(sequence)과 구조(structure) 정보를 입력으로 하여 항체 물성 지표를 정량적으로 예측하는 모델을 설계·고도화하고, 실험팀과의 design-build-test-learn(DBTL) 루프를 통해 모델의 실제 발굴 기여도를 높이는 것이 핵심 목표입니다.
주요업무
• 신규 타겟 발굴 및 타겟 검증(target mechanism study, target validation)• 항원·항체 결합력(binding affinity) 분석 및 해석 (ELISA, SPR, BLI 등)
• 항체 특성 분석(characterization): 특이성, epitope binning, developability 평가 등
• 항체 후보물질 평가를 위한 in vitro / in vivo assay 설계 및 수행
• AI 모델팀과 협업하여 실험 데이터 설계·해석, 모델 개선을 위한 피드백 제공
자격요건
• 생명과학/생화학/면역학 관련 전공 박사 학위 소지자 또는 관련 분야 경력 5년 이상• 항체 의약품 discovery 워크플로우 전반에 대한 이해
• 항원·항체 상호작용 및 항체 특성 분석 경험
• in vitro / in vivo assay 수행 경험
