خلاصهٔ نقش
شرکت ما به دنبال مدیر ارشد زیست‌شناسی محاسباتی و مهندسی بیوفرآیند است تا هدایت همگرایی علوم محاسباتی و توسعهٔ بیوفرآیند را در سازمان بر عهده بگیرد. این یک نقش مدیریتی ترکیبی و بسیار ارشد است، مناسب برای فردی که هم در مدل‌سازی زیستی مبتنی بر AI (هوش مصنوعی) و ML (یادگیری ماشین) و هم در واقعیت‌های عملی مقیاس‌پذیری یک فرآیند — از مرحلهٔ آزمایشگاهی تا تولید صنعتی مطابق با استانداردهای GMP (شیوه‌های خوب تولید) — تسلط کامل دارد.
فرد منتخب مسئولیت استراتژی، تیم، و اجرای فعالیت‌هایی را بر عهده خواهد داشت که روش‌های محاسباتی پیش‌بینی‌کننده (مانند Genomics (ژنومیکس)، Proteomics (پروتئومیکس)، Bioinformatics (بیوانفورماتیک) و ML (یادگیری ماشین)) را به نظم مهندسی لازم برای تبدیل بینش‌های زیستی به یک فرآیند تولید پایدار، مقیاس‌پذیر، و منطبق با مقررات، پیوند می‌دهد.
این نقش در نقطهٔ تلاقی دو حوزه‌ای قرار دارد که معمولاً به‌صورت مستقل و جزیره‌ای عمل می‌کنند — زیست‌شناسی محاسباتی/علوم داده از یک سو، و علوم فرآیند/تولید از سوی دیگر — و مسئول آن است که این دو حوزه به‌صورت یک زنجیرهٔ کاملاً یکپارچه فعالیت کنند.

مسئولیت‌های کلیدی
زیست‌شناسی محاسباتی و تحقیق و توسعهٔ مبتنی بر هوش مصنوعی

• تعریف و هدایت استراتژی Computational Biology (زیست‌شناسی محاسباتی)، شامل تحلیل داده‌های ژنومیک/پروتئومیک، مدل‌سازی پیش‌بینی‌کننده، و کاربردهای ML (یادگیری ماشین) در کشف هدف دارویی، بهینه‌سازی سویه/رده سلولی، یا طراحی مولکول.
• نظارت بر توسعه و اعتبارسنجی خط‌لوله‌های محاسباتی (مانند تحلیل توالی، مدل‌سازی ساختاری، و یکپارچه‌سازی داده‌های Multi-omics (چند-اومیکس)) که مستقیماً بر تصمیمات مربوط به فرآیند و محصول اثر می‌گذارند.
• اطمینان از اینکه خروجی‌های محاسباتی به‌صورت تجربی اعتبارسنجی شده و به پارامترهای عملیاتی و قابل‌اجرا برای فرآیند تبدیل می‌شوند.
• ارزیابی و یکپارچه‌سازی ابزارها و پلتفرم‌های نوظهور AI (هوش مصنوعی) و ML (یادگیری ماشین) مرتبط با تحقیق و توسعهٔ زیستی و بیوفرآیند.

توسعهٔ بیوفرآیند و تولید

• هدایت توسعهٔ Bioprocess Engineering (مهندسی بیوفرآیند) به‌صورت سرتاسری: طراحی، بهینه‌سازی، و مقیاس‌پذیری فرآیندهای Upstream (بالادستی) (تخمیر/کشت سلولی) و Downstream (پایین‌دستی) (خالص‌سازی، فرمولاسیون).
• مسئولیت کامل Technology Transfer (انتقال فناوری) از توسعهٔ فرآیند به تولید مطابق با GMP (شیوه‌های خوب تولید)، با تضمین پایداری، تکرارپذیری، و آمادگی نظارتی/مقرراتی.
• استفاده از رویکردهای داده‌محور و محاسباتی (مانند PAT (فناوری تحلیل فرآیند)، Digital Twin (دوقلوی دیجیتال)، و SPC (کنترل آماری فرآیند)) برای بهبود بازده، یکنواختی، و بهای تمام‌شدهٔ محصول.
• اطمینان از انطباق با GMP (شیوه‌های خوب تولید) و سایر استانداردهای مقرراتی و کیفی در تمامی فعالیت‌های توسعهٔ فرآیند و تولید.

رهبری سازمانی و میان‌بخشی

• ایجاد، مربی‌گری، و توسعهٔ یک تیم باکیفیت و عملکرد بالا، شامل دانشمندان محاسباتی، مهندسان بیوفرآیند، و دانشمندان داده.
• ایفای نقش رابط فنی کلیدی میان واحدهای تحقیق و توسعه، تولید، کیفیت، و امور مقرراتی.
• تبدیل استراتژی علمی و فنی به برنامه‌های تخصیص منابع، بودجه، و زمان‌بندی برای مدیریت ارشد اجرایی و هیئت‌مدیره.
• نمایندگی توانمندی‌های محاسباتی و فرآیندی سازمان نزد شرکای خارجی، سرمایه‌گذاران، و نهادهای نظارتی، در صورت نیاز.

شرایط احراز ضروری

• دارا بودن مدرک Ph.D. (دکتری) یا Master (کارشناسی ارشد) در رشته‌های Computational Biology (زیست‌شناسی محاسباتی)، Bioinformatics (بیوانفورماتیک)، مهندسی بیوشیمی/بیوفرآیند، مهندسی شیمی، زیست‌شناسی مولکولی، یا رشته‌های مرتبط (یا سابقهٔ صنعتی معادل و اثبات‌شده).
• حداقل ۶ سال تجربهٔ کاری رو به پیشرفت در صنعت Biotechnology (بیوتکنولوژی)، همراه با تجربهٔ عملی و مستقیم هم در حوزهٔ زیست‌شناسی محاسباتی/علوم داده و هم در توسعهٔ بیوفرآیند یا تولید.
• حداقل ۲ سال تجربه در نقش‌های مدیریت ارشد، با سابقهٔ اثبات‌شده در ایجاد و مدیریت تیم‌های فنی میان‌رشته‌ای.
• تجربهٔ اثبات‌شده در هدایت یک فرآیند از مراحل اولیهٔ توسعه تا مقیاس‌پذیری و ورود به تولید مطابق با GMP (شیوه‌های خوب تولید).
• دانش کاربردی و قوی از ML (یادگیری ماشین)/مدل‌سازی آماری در کاربردهای زیستی یا داده‌های فرآیندی (نه صرفاً تئوریک، بلکه تجربهٔ کاربردی و در سطح عملیاتی).
• درک عمیق از چارچوب‌های مقرراتی مرتبط با تولید زیستی (مانند دستورالعمل‌های FDA (سازمان غذا و داروی آمریکا)، EMA (آژانس دارویی اروپا)، و ICH)، متناسب با دسته‌بندی محصولات سازمان.

شرایط ترجیحی

• تجربهٔ قبلی در یک شرکت بیوتکنولوژی یا Biopharma (بیوفارما) که به‌صورت مشخص روش‌های AI (هوش مصنوعی)/محاسباتی را با علوم تولید تلفیق می‌کند (مانند Synthetic Biology (زیست‌شناسی مصنوعی)، Precision Fermentation (تخمیر دقیق)، Cell and Gene Therapy (سلول‌درمانی و ژن‌درمانی)، یا Biosimilars (داروهای بیوسیمیلار)).
• تجربهٔ کار با پلتفرم‌های مدل‌سازی بیوفرآیند/Digital Twin (دوقلوی دیجیتال) و PAT (فناوری تحلیل فرآیند).
• سابقهٔ مقالات علمی، اختراعات ثبت‌شده، یا مستندات رسمی که نشان‌دهندهٔ مشارکت در هر دو حوزهٔ محاسباتی و مهندسی فرآیند باشد.
• تجربهٔ فعالیت در یک شرکت در مرحلهٔ رشد سریع یا مقیاس‌پذیری، با توانایی ایجاد تعادل میان سرعت و دقت مقرراتی.

شایستگی‌های کلیدی

• ایجاد پیوند میان عمق فنی دو حوزهٔ کاملاً متفاوت، بدون تمایل ناخواسته به یکی از آن دو.
• توانایی تبدیل یافته‌های محاسباتی انتزاعی به تصمیمات عملی و قابل‌اجرا در فرآیند تولید.
• ارتباطات اجرایی قوی؛ توانایی ارائهٔ گزارش هم برای تیم‌های علمی و هم برای مدیران غیرفنی/اعضای هیئت‌مدیره.
• توانایی فعالیت مؤثر در شرایط نامشخص و در نقشی که هنوز الگوی سازمانی ثابتی ندارد.