生物数据湖数据库开发工程师

数据包括： 生物数据湖 - 癌症数据: COSMIC突变、拷贝数变异、基因融合 - 蛋白相互作用: 多种实验方法(Y2H, MS等) - 基因表达: GTEx组织特异性表达 - 药物发现: 结合亲和力、药物重定位 - 单细胞数据: Census数据集和分析工具 - 基因组变异: GWAS, GeneBass, 变异注释 岗位职责： 负责生物数据湖数据库架构的构建与日常维护，兼容多模态数据类型（文本、表格、结构化/半结构化）； 整合来自癌症研究、蛋白互作、基因表达、药物研发等领域的异构数据资源（如COSMIC、GTEx、GWAS等）； 制定高效的数据存储策略，保障数据快速查询及对下游AI模型的稳定支持； 开发数据清洗、转换（ETL）流程及相关自动化导入脚本； 维护数据元信息体系（版本、来源、授权等）并实施权限管理机制； 持续进行性能调优，确保系统可扩展性与运行稳定性。 技能要求： 具备数据湖、数据仓库或大规模数据处理实践经验（如使用 Hadoop、Spark、Airflow 等工具）； 熟悉常见生物数据类型及专业术语（如基因突变、表达矩阵、基因注释等）； 有科研计算或科学数据治理经验者优先考虑。 加分项： 掌握主流数据库技术（如 PostgreSQL、MySQL、MongoDB、ClickHouse 等），具有独立完成数据库系统设计与部署的能力； 了解数据建模、索引优化、查询性能提升等核心技术； 熟练使用Python或Shell编写脚本，能够搭建可靠的数据接入与更新流程； 熟悉常用数据格式（CSV、TSV、JSON、Parquet）及其处理范式； 具备扎实的数据结构基础与系统架构设计能力。