杨光的简历

金赛药业（2023.09 - ）

• AI计算生物平台 AIDD 研发平台

  负责构建GenMol计算生物平台，实现分布式协同计算和高并发任务管理。基于Docker容器化技术规范算法组件的动态接入流程，先后整合并上线了涵盖蛋白语言模型、结构预测、分子从头生成、可开发性评估与理化性质预测等多个核心方向的标准化计算模型，持续扩展算法与数据库资源，并负责平台的日常高可用运维与用户权限体系设计。此外，尝试性探索了AI Agent调用平台计算模块的自动化工作流，有效沉淀公司AIDD工具与研发经验，强力支撑创新药物的高效研发。

• VHH文库设计与蛋白设计 蛋白语言模型 干湿迭代 多目标优化 AI药物研发

  主导多目标驱动的VHH通用合成文库理性设计，基于蛋白语言模型捕捉位点协同进化信息，并利用玻尔兹曼分布融合疏水性、PTM风险等关键可开发性约束，规避传统统计文库的“独立性陷阱”。 经多个异质性靶点实验筛选验证，AI常规优化库在多个靶点展现出显著的广谱适配性，单靶点VHH结合数较天然库实现数十倍提升；验证了AI理性设计架构的有效性，成功跑通“干湿结合”的数据迭代闭环。

  面向特定靶点的蛋白设计，结合靶点与表位分析确定关键结合位点，基于突变优化与De novo生成相结合的策略进行序列设计；并从理化性质、结构稳定性、能量及功能等多维度进行综合评估与排序，筛选高潜力候选分子，支持实验验证与迭代优化。

• 蛋白优化算法 LoRA 突变位点 Fitness Few-shot

  面向真实场景下的蛋白突变效应预测（零样本/少样本），基于大规模DMS数据（如ProteinGym）进行模型训练与评估，围绕特征表达、模型结构及数据增强策略提升泛化能力；通过多模型融合与参数高效微调（Meta-learning、LoRA），结合进化与能量信息进行联合建模，有效提升fitness相关性与Top Hit识别能力；并构建支持干湿实验快速迭代的自动化计算流程。

• 抗体可开发性预测 抗体工程 风险筛选 Developability

  聚焦抗体药物的成药性瓶颈，主导构建了多维度 in silico 可开发性评估与风险筛选体系，全面兼容单抗、双抗及 VHH 纳米抗体等多种分子形式。该体系深度融合理化性质特征（聚集倾向、溶解度、pI、PTM位点及 TAP 指标）与深层进化信息，实现对候选分子稳定性的联合建模与精准预测。通过高风险序列的早期淘汰与优势分子优选，显著提升抗体早期筛选的成功率与成药转化效率。

• 生物制药工艺优化与高维数据建模 机器学习 多维建模 工艺优化 成果转化

  深度参与生物制药上下游工艺优化与大分子配基设计项目，负责核心多维实验数据的清洗、特征工程与机器学习建模。在上游培养基配方设计及下游工艺优化中，通过构建精准预测模型指导关键工艺参数调整，实现了目标产率、细胞生长表现的显著提升，并有效降低了副产物。相关创新成果已成功转化为3项发明专利申请，并发表1篇学术期刊论文，实现了数据建模对工艺开发与干湿实验闭环的深度赋能。

华大基因&上海交大联合创新中心（2019.10 - 2023.06）

• “云上进化”2022全球AI生物智药大赛 Contest Write-up AI4Science

  参与阿里云与NVIDIA联合举办的AI抗体设计竞赛（SARS-CoV-2广谱中和抗体方向），针对抗体与多变异株之间的亲和力与活性预测问题，构建融合序列与结构信息的建模方法；基于多种蛋白预训练模型提取多尺度特征，并结合图神经网络进行跨模态融合，有效提升预测性能，最终在赛道一决赛中获得亚军。

• 生物医学文献结构化抽取系统 Demo NLP Bert Neo4j LangChain chatGLM

  构建生物医学文献结构化抽取系统，基于BioBERT结合实体识别与关系抽取实现关键信息自动提取，辅助ACMG解读流程中的证据检索；结合Flask开发可视化查询系统，实现实体高亮与文献溯源展示，并通过Neo4j关联生物医学知识图谱（PrimeKG）构建多关系网络；同时引入LangChain与大语言模型优化查询流程，自动生成与问题相关的文献实验证据。

诺禾致源（2016.7 - 2019.8）

• 基于表观组学的肿瘤早筛方法研究 机器学习 RNA-seq

  基于RNA-seq数据构建肿瘤早筛建模流程，涵盖序列比对、表达定量、差异分析与特征筛选等关键步骤。 使用统计方法（DESeq2）筛选差异基因，并构建机器学习模型进行分类预测，实现从原始数据到预测结果的完整分析pipeline。

• lncRNA分析流程 RNA-seq NGS Pipeline

  负责lncRNA分析流程开发与维护，构建标准化分析pipeline（转录本组装、编码潜能分析、共表达网络等）。 编写Python脚本实现任务调度与数据流管理，并结合R进行结果可视化与报告生成。 熟练使用BWA、Hisat2、StringTie、GATK等工具，具备完整NGS数据分析经验。

• Publications

  Wang, R.Z., Liao, Y.X., …, Yang, G., …, Kang, Y. K. Hybrid AI/ML-mechanistic framework enables intelligent optimization of commercial biopharmaceutical downstream processing. mAbs, 2026.

• Patents

  Yang, G., et al. Machine Learning-Based Optimization Methods and Systems for Downstream Biopharmaceutical Processes. CN121115680A, 2025. (Pending)

  Yang, G., et al. Machine learning-based methods, apparatus, equipment, and media for culture medium formulation design. CN121725924A, 2026. (Pending)

• Python FastAPI Gradio NumPy / Pandas Multiprocessing Scikit-learn
• Linux Shell AWK Docker Singularity Slurm
• Deep Learning PyTorch Transformer DGL Geometric DL Diffusion
• Databases SQLite Neo4j Faiss
• CUDA & Inference TensorRT Quantization Prefix Caching
• Frontend Development HTML / CSS JavaScript React