生物信息高性能计算后端开发简历范文

• 主导基因组分析流程调度平台重构，引入容器化与任务队列，样本处理吞吐提升约2倍。
• 开发PB级结果数据存储与检索服务，接口平均响应从800ms降至200ms以内。
• 搭建流程监控与告警体系，线上任务失败率由8%降至2%以下，保障日均300+样本交付。

• 负责WGS/WES变异检测流程开发与优化，单样本分析耗时缩短约60%。
• 使用C++重写比对后处理热点模块，内存占用下降35%，支撑批量样本并行运行。
• 参与搭建Slurm计算集群作业管理脚本，将人工运维工作量减少约50%。

• 基于Kubernetes与消息队列设计任务调度服务，支持千级并发作业与失败自动重试。
• 实现流程版本管理与资源配额控制，集群资源利用率提升约30%。
• 上线后支撑日均300+样本分析，交付周期由5天缩短至2天。

• 对GATK流程进行分片并行与I/O优化，整体运行时间缩短约60%。
• 引入缓存与中间结果复用机制，重复分析场景计算成本降低约40%。

研究方向：基因组数据分析与高性能计算；主修算法设计、统计遗传学、并行计算。

主修分子生物学、遗传学、程序设计基础；通过CET-6。