中央研究院 Logo

參與機器學習、人工智慧、或是賽局理論相關方面的研究

主要支援本研究室執行以環境暴露與人體健康為核心之跨領域研究，工作內容涵蓋戶外環境收案、流行學研究結果分析及實驗室分析支援，具體包含以下項目：
1. 協助規劃與執行田野調查、戶外環境與族群收案作業（含樣本採集及現場量測）
2. 參與以人群為基礎之流行病學研究，協助資料整理、品質控管與資料分析（具備大數據分析經驗尤佳）
3. 協助實驗室分析工作
4. 進行統計分析、研究資料彙整及相關行政文書作業處理
5. 配合研究進度，支援其他相關研究主題與主管交辦事項

本團隊長期從事氣膠–雲交互作用、區域空氣品質與地球系統模式發展之研究，現徵求博士後研究員一名，參與雲與氣膠參數化與氣候變遷衝擊評估相關研究。
工作內容：
• 發展與改進雲與氣膠模組至全球地球系統模式並進行敏感度實驗及衝擊評估
• 進行動力降尺度模擬與未來空氣品質風險評估
• 研究計畫的執行與進度管理，並協助撰寫論文與參與成果發表

1.大樓機電等設施維護管理。
2.公務車輛管理。
3.清潔人力管理。
4.其他交辦事項。

(2) 一位研究助理主要執行多年期國科會計畫，主要執行微生物快速轉化降解有機化合物實驗，參與運用人工智慧與多維體學策略開發篩選微生物快速轉化有機化合物技術。需有微生物分析或蛋白質體學（或基因體學）分析相關經驗，有有機化學分析經驗優先考慮。

歡迎有志於跨領域研究、微生物生化、環境相關工作的夥伴，尤其欲再進修或出國留學的同學，工作內容將可協助計畫相關之SCI期刊文章發表。也歡迎有興趣出國者，可獲補助至國外合作教授實驗室作短期研究。

參與電腦視覺、人工智慧與機器學習相關研究，目前本實驗室的研究聚焦於開發deep learning架構與演算法在電腦視覺的應用。研究重點如下: (1) Generative Computer Vision Techniques; (2) Image and Video Anomaly Detection and Localization; (3) Computer Vision Techniques for 3D Point Clouds; (4) Video Action and Activity Recognition; (5) Multimodal/VL Foundation Models Inspired Computer Vision Techniques; (6) Self-Supervised Learning for Computer Vision Applications; (7) Deepfake Detection & Security; and (8) Federated Learning Algorithms and Optimization。

(一)研究方向
本實驗室研究聚焦於神經退化性疾病、脊髓與肌肉老化，以及RNA 生物學。我們以疾病機制與分子調控為核心，結合多體學技術深入探討神經與肌肉系統在老化與病理狀態下的變化，並透過穩定且高品質的資料產出，建立長期且具延續性的研究主軸。
(二)職位說明
本職位為研究導向之生物資訊研究助理，主要負責從多體學資料中萃取具生物學意義之結果。工作內容以客製化分析與生物學詮釋為主，同時包含部分常規分析流程執行以及分析工具測試與流程優化。前期將與資深生物資訊分析師共同討論分析策略並分工執行，預期於一年內逐步培養為可獨立處理客製化分析之研究型分析師。
(三)實驗室優勢
本實驗室具備穩定且高品質之多體學資料來源，由具十年以上經驗之資深生物資訊分析師帶領，研究成果穩定發表並依實際貢獻排序作者。實驗室具有穩定研究經費支持，並與國內外研究團隊維持長期合作關係，提供成員良好的研究環境與未來深造發展優勢。

1. 醫療數據工程與探勘: 負責大規模醫療資料之 ETL 流程建置與維運, 涵蓋資料蒐集、清理、整併與品質檢核, 產出可用於研究分析之 analysis-ready datasets.

2. 自動化解析機制研發: 開發基於 NLP/LLM 的自動化解析架構, 針對非結構化病歷與報告進行資訊抽取, 並支援後續結構化產出。

3. 標準化與流程管理: 建構資料標準化(Standardization)與結構化轉換流程, 設計穩定的批次處理流程, 確保資料可穩定輸出至資料庫或標準交換格式(如 CSV/JSON)。

1. 臨床資源整合： 跨醫療機構協調，建立並優化收案流程以達成計畫目標。

2. IRB 合規： 新案、修正案與結案送審，確保計畫符合研究倫理規範。

3. 臨床應用： 協助「臨床應用委員會」，建構研究成果從學術端銜接至臨床照護的驗證模式。

4. 學術研究： 蒐集國內外學術資料，撰寫計畫書、受試者同意書等研究相關文件。

5. 計畫事務： 協助研究計畫執行，並處理主管交辦業務。

※此工作需出差-醫療機構※

1. 協助「家庭動態調查」籌備、執行與資料清理。
2. 協助「家庭動態調查」跨期資料整合。
3. 協辦研討會、工作坊等學術活動。
4. 其他行政與臨時交辦事項。

研究主題：蛋白質純化、結構功能研究與AI輔助分析

實驗室研究主題: 蛋白質泛素化 (ubiquitination)的調節機制、泛素化相關機制之藥物開發。

實驗室獲多項中研院計畫補助，包括：

深耕計畫（2026–2030）
人工智慧與蛋白質設計計畫（2025–2027）
關鍵突破種子計畫（2026–2027，協同主持人）
提供穩定的研究環境與多元的跨領域合作機會。

工作內容
(1) AI設計之蛋白質表達與純化
(2) 蛋白質活性、物性與化性鑑定
(3) 抑制劑/藥物等功能性實驗
(4) 其他交辦事項/執行研究計畫

以上內容可依個人技術/學術背景分配工作內容，實驗室提供完整技術訓練。

泛素(ubiquitin) 與轉錄後修飾的泛素化(ubiquitination) 影響過半的細胞內蛋白質功能與降解。 我們研究蛋白質泛素化的鏈結與疾病間的複雜關係。使用結構生物學了解細微的蛋白質之間的互動，應用最新AI技術設定蛋白質與小分子藥物，我們整合多項關鍵技術並建立分析平台，加速泛素化蛋白質數據的分析

我們提供完整的教育訓練，加入本團隊可學得多種結構生物、生物物理與生物資訊分析的關鍵技術。有助於未來職場競爭或是出國進修。 近年實驗室成員進入台大等研究所、或出國攻讀博士12人。

相關資訊請參考以下兩個連結:

https://www.ibc.sinica.edu.tw/facultyV.php?type=PI&DatetimeStr=20210916145242&lang=

https://kpwulab.com

研究主題：人工智慧驅動的蛋白質設計與泛素系統調控機制

中央研究院生物化學研究所 吳昆峯博士研究團隊(https://kpwulab.com/) 致力於結合人工智慧（AI）與結構生物學技術，發展自主開發的 AI 工具以解析蛋白質結構、設計新型結合體，並應用於探討 泛素（ubiquitin）系統的調控與功能機制。

近年來，本實驗室以跨領域策略結合 AI 蛋白質設計與結構生物學研究，利用大量人工智慧工具進行蛋白質設計（ACS Synthetic Biology 2023, JACS 2026）與藥物篩選（Journal of Biological Chemistry 2025），並應用精準的 蛋白質循理性設計（Journal of Molecular Biology 2023），開發具有強效抑制功能與穩定性的設計蛋白質。


同時，我們採用多項結構生物學新穎技術，包括 冷凍電子顯微鏡、蛋白質結晶學，以及 AI-加速之NMR 數據收集與分析，以加速蛋白質結構與功能設計之研究進程。這些技術整合使我們能深度解析泛素系統酵素的活化機制與調控模式，建立 AI 與實驗驅動的完整研究框架。

本實驗室獲多項中研院計畫補助，包括：

深耕計畫（2026–2030）
人工智慧與蛋白質設計計畫（2025–2027）
關鍵突破種子計畫（2026–2027，協同主持人）
提供穩定的研究環境與多元的跨領域合作機會。



【主要職責】

開發與應用 AI 或機器學習方法於蛋白質結構、交互作用與功能預測
與團隊成員協作，整合計算與實驗數據以推進研究計畫
撰寫論文、協助研究計畫申請，並參與國際合作與學術交流