PostEra 招聘 AI 研究员：用机器学习加速药物发现

药物研发素来以周期长、成本高、失败率大著称，而 AI 的介入正在改变这一格局。Y Combinator W20 孵化公司 PostEra 近日放出招聘信号，寻找专注于药物发现的 AI 研究员。这则招聘信息本身简短，但放在 AI 制药的行业脉络里，值得展开聊聊。

PostEra 在做什么

PostEra 的核心业务围绕机器学习和化学合成展开。其技术路线大致可以拆成两条线：一条是利用机器学习模型预测化学反应结果，帮助化学家判断某条合成路线是否可行；另一条是将 AI 用于药物分子设计，尤其是在抗病毒药物研发领域。

这家公司曾参与 COVID-19 抗病毒药物的开放科学项目，通过众包加算法的方式筛选潜在化合物。这类项目对算力和模型精度的要求都不低，也解释了为什么 PostEra 需要持续招募 AI 研究人才。

招聘信息本身没有披露具体岗位职责和技术栈细节，但从"AI Researchers for Drug Discovery"这个定位来看，候选人大概率需要具备机器学习、计算化学或结构生物学的交叉背景。

机器学习预测化学反应的核心任务叫「逆合成分析」：给定一个目标分子，反推出可行的合成路线。传统方法依赖化学家经验枚举候选路径，而 PostEra 的做法是把反应预测建模成序列到序列或图到图的问题，用大规模反应数据集（如 USPTO 专利反应数据）训练模型，输出可能的反应物集合与产率估计。这类模型的难点在于化学反应空间的组合爆炸——一条路线往往有十几步，每步又有多个候选，误差会逐步累积。因此工业界通常把模型和树搜索、蒙特卡洛树搜索或 A* 搜索结合起来，在搜索过程中用模型打分剪枝，而不是让模型单独给出答案。

分子表示方法直接决定了模型能学到什么。最常用的是 SMILES 字符串，把分子编码成一段文本，优点是紧凑、可直接套用语言模型，缺点是不唯一、对细微结构变化不敏感。分子指纹（如 ECFP/Morgan 指纹）把分子映射成定长比特向量，适合相似性搜索和传统机器学习，但丢失了拓扑细节。图神经网络则把原子当节点、化学键当边，是当前分子性质预测和生成的主流方案。蛋白质侧常用 PDB 结构或氨基酸序列表示，做对接和亲和力预测时还需要三维构象信息。理解这些表示的取舍，是做药物发现 AI 研究的基本功。

为什么 AI 制药公司持续招人

AI 制药并不是新概念，但真正把模型推进到临床阶段并验证有效的案例仍然有限。行业里的普遍瓶颈不在算法本身，而在数据质量和实验验证环节。

一家 AI 制药公司要同时具备三种能力：高质量的化学/生物数据集、能处理这类数据的模型架构、以及把预测结果转化为可执行实验的流程。这三者缺一不可，而每一环都需要专门的研究人员。

PostEra 选择在 YC 之后继续扩张研究团队，说明其技术路线已经跑到了需要更多人力来scale的阶段。对做 AI 研究的人来说，这类岗位的吸引力在于：问题定义清晰、数据相对结构化、成果能直接对应到真实的药物分子上。

临床阶段验证是衡量 AI 制药成色的硬指标。一款药物从靶点确认到上市，通常需要 10 年以上、平均超过 10 亿美元的投入，且临床 I 期的整体成功率长期徘徊在 10% 上下。AI 的介入主要瞄准两个环节：一是先导化合物发现，把候选分子的筛选周期从数年压缩到数月；二是临床前毒性、药代动力学等性质的预测，降低后期失败概率。但截至目前，真正由 AI 设计、进入临床并读出有效性数据的分子仍屈指可数，这也是资本从狂热转向务实的直接原因。

这类岗位适合什么样的人

从行业惯例看，药物发现方向的 AI 研究员通常需要满足几个条件：

机器学习基础扎实。 图神经网络、生成模型、强化学习在分子设计里都有应用场景，不能只会调库。

理解化学或生物的语言。 SMILES、分子指纹、蛋白质结构这些概念需要熟悉，否则很难和实验团队对话。

有处理真实数据的经验。 公开数据集和工业级数据之间的差距很大，这一点在制药领域尤其明显。

如果你恰好在这个交叉地带，PostEra 这类公司的招聘值得关注。具体岗位信息可以通过 Hacker News 的讨论帖或公司官网进一步了解。

图神经网络、生成模型与强化学习在分子设计里的分工大致是：GNN 负责性质预测和分子编码，变分自编码器、扩散模型等生成模型负责从头设计新分子或做骨架跃迁，强化学习则用于多目标优化——同时兼顾活性、选择性、合成可及性和毒性。一个常见的落地组合是「生成模型提候选 + 性质模型打分 + 逆合成模型评估可造性」的闭环，把化学上不可合成的分子在早期就过滤掉，避免实验团队做无用功。

一点观察

AI 制药的热度在过去几年有过起伏，资本的态度也从狂热转向务实。留下来继续招人的公司，往往是那些有实际管线推进、有合作方验证的团队。PostEra 背靠 YC 网络，又在开放科学项目里积累过口碑，算得上是这个赛道里值得留意的玩家之一。