我能查到的最近一个从这个组毕业的学生，去了一家生物制药公司做计算生物学方向的研发。样本只有一个，说明不了太多，但至少可以确认：这个交叉方向出来是有工业界对口岗位的。
项目方向门槛
港科广的生命科学与生物医学工程学域有明确的 PhD 招生项目。这是一个交叉方向——你需要有生物学或化学的底子，同时还得会写代码、懂机器学习基础。纯生物背景没碰过编程的人，进组后补课量会比较大。纯 CS 背景没读过结构生物学的人，也会有一段适应期。最理想的背景是生物信息学或计算生物学，已经用过 AlphaFold 或者做过蛋白质相关的数据分析。
研究背景与课题组
孙鉴锋是港科广生物医学工程学域的助理教授，慕尼黑工大 PhD 出身，方向是深度学习驱动的结构生物学。这是一个新建组，目前 2 名 PhD 在读，1 名博后。新组意味着几件事：名额相对充裕、导师时间相对充足、但公开信息也相对有限。
研究重心
他的核心问题是用深度学习方法预测和设计蛋白质结构。近两年的论文主要走两条线：一条是图神经网络在分子性质预测上的应用，另一条是迁移学习在药物-靶标相互作用预测上的方法创新。这两条线在 AI 制药和结构生物学领域都是热门，但他的切入点偏方法而不是偏应用。
代表论文
Deep learning approaches for protein structure prediction and design
Nature Methods, 2024 | 引用 45
Graph neural networks for molecular property prediction
Bioinformatics, 2023 | 引用 38
Transfer learning for drug-target interaction prediction
Briefings in Bioinformatics, 2023 | 引用 62
申请准备与文书材料
CV 里如果有用 Python 做过生物数据分析的项目（哪怕只是课程项目），一定要写清楚：处理了什么数据（蛋白质序列/分子图/基因组数据）、用了什么模型、跑出来什么结果。邮件第一段写你做过哪个具体的计算生物学问题，不要泛泛写"对 AI+生物交叉感兴趣"。
研究计划
主切口：基于图神经网络的蛋白质-蛋白质相互作用预测。对象是 PDB 数据库中的蛋白质复合物，数据用公开的 BioGRID 或 STRING 数据库，方法结合 GNN 和预训练蛋白质语言模型（如 ESM-2）。可追问的方向：如何处理低同源性蛋白质对的预测难题。
博士未来就业与资助
这个交叉方向的毕业去向通常分两条路：一条是 AI 制药公司（晶泰科技、英矽智能、Recursion 等），另一条是高校或研究所做计算生物学方向的博后。港科广的 PhD 标准资助每月约 12,500 元人民币，免学费。CSC 联合培养也可以申请。广州生活成本比香港低不少，这笔钱够日常开销。
有计算生物学基础、能接上他目前问题线的人，这个新组是个不错的窗口期。
