
Vie hiiri rivin päälle tai napauta riviä nähdäksesi täydelliset tilastot (EUR / kk tässä kaaviossa).
Apheris Meillä Apherisilla toiminnoimme hajautettuja tietoverkkoja elämän tieteissä mahdollistamaan koneoppimismallien kehittämistä, jotka ylittävät yksittäisen organisaation kyvyt. Biopharma voi ainoastaan valmistaa ja testata rajatun määrän yhdisteitä erilaisten testien, rakenteellisen biologiakäytön ja monimutkaisten ADME- ja toksikologisten päätepisteiden kautta, mikä rajoittaa mallien suorituskykyä. Apheriksen tuote ratkaisee tämän isännöimällä verkostoja, joissa biopharma-yritykset harjoittavat yhdessä korkeampalaatuisia malleja yhdistettyjen proprietaaristen datasetien perusteella ilman raakadataa. Hajautettu laskennan infrastruktuurimme, jonka sisäänrakennetut hallintaperiaatteet ja yksityisyyden suojat takaavat, että data-IP ja omistus pysyvät datan omistajilla. Rooli Etsimme kokenutta (principal) tutkijaa, joka omistaa ja laajentaa toksikologiaan ja kvantitatiiviseen biologiaan liittyvää laajentumaamme. Käytännön tieteellinen johtajuus: asetat tiedettä ohjaavan vision, johdat asiakkaiden ja liittoutumien keskusteluja ja integroinnin tieteellisten työnkulkujen alustamme sisään. Tehtävät Vastaa laajennuksesta prediktiiviseen toksikologiaan ja kvantitatiiviseen biologiaan. Johda kasvu ADME:n ulkopuolelle kohti turvallisten, tehokkaiden lääkkeiden tutkimusta. Määritä tieteellinen strategia. Päätä miten in silico toksikologia ja kvantitatiivinen biologia yhdistyvät verkostoissamme ja mitkä päätepisteet, testit ja mallintamiskäytännöt tuovat arvoa lääkekehityksen päätöksiin. Päätä miten parhaiten käytetään relevantteja dataa. Anna ymmärryksesi siitä, miten näitä tekniikoita ja dataa tuotetaan farmaseuttisessa tutkimus- ja kehityksessä ja muotoile selkeä kuva arvon tuottamisesta. Span useita tieteellisiä alueita. Syvyyttä lukea tulokset turvallisuuden ja tehon kannalta, rakenteeseen perustuvasta off-target riskistä polkujen mekanistiseen tulkintaan ja in vivo farmakokinetiikkaan. Yhdistä työskentely alustamme sisälle skaalautuvasti. Räätä malleja, joilla on merkitystä. Käytä federated learningia kumppanien datalla tuottaaksesi suorituskykyisiä malleja, joita mikään yksittäinen organisaatio ei pysty saavuttamaan. Aja tieteellistä keskustelua asiakkaiden ja kumppaneiden kanssa, määritä laajuus, arviointi, toimitus ja käyttöönotto reaaliaikaisissa lääke-ohjelmissa sekä muotoa tie- ja kaupalliset tarpeet. Mitä odotamme sinulta Vahvat syvät oppimisen taidot molekyylia AI:ssa, mukaan lukien verkko-neuroverkot, viestinvälitys ja muuntajat. Taitoa toksikologian arvioinnin kysymyksiin rokotuslääketieteessä. Kokemusta ennakoivien mallien rakentamisesta ja toksikomallien käyttöönotosta lääketutkimuksessa. RNA-seqin, toksikkokasvatus- ja kuvapohjaisten testien käyttöönoton ymmärrys. Tieteellinen johtajuus: visio, agenda ja itsenäinen johtajuus. Kyky työskennellä läheisesti mallintamisen parissa ja ohjata muita – tämä on ensin ja suurimmilta osin tiedejohtajuus. PhD tai vastaava sekä 6+ vuotta ML:n soveltamista lääketutkimukseen. Mielellään Kokemus federated learningista ja yksityisyyden suojausmenetelmistä. Todisteet toksikologiademojen etukäteen validoinnista ja niiden käytöstä suunnittelussa tai päätöksenteossa. Tuotantotason mallien toimittaminen säädellyissä ympäristöissä. Multi-omics ja korkean sisällön kuvantaminen. Tunne julkiset toksikologia- ja bioaktiivisuuslähteet ja mekanistiset kehykset kuten haitalliset tulospolut. Mitä tarjoamme Kilpailukykyinen palkkaus ja virtuaaliset osakeoptio-oikeudet. Remote-first työnteko. Hyvinvointi- ja etätyötukiohjelmat sekä oppimismääräraha. Vapaa loma. Toimistopäivät Berliinissä tai muulla eurooppalaisella paikkakunnalla. Korkeatasoinen tiimi, jolla on kokemusta johtavista organisaatioista.
Työn tiedot
Vastuualueet
- Vastaa toksikologiseen ja kvantitatiiviseen biologiaan liittyvän laajentumamme omistamisesta.
- Aseta tieteellinen strategia verkostoille ja määritä päätetavat päätepisteet, testit ja mallintamismeetodit.
- Päätä miten relevantteja tietoja farmaseuttisesta tutkimus- ja kehitystyöstä käytetään tieteellisen ja taloudellisen arvon tuottamiseksi.
- Ulottuu useille tieteellisille alueille ja integroi työvaiheet alustalle skaalautuvuuden takaamiseksi.
- Räätä malleja ottamalla käyttöön federated learning -yhteistyökumppaneiden tiedoilla.
- Johtaa tieteellistä keskustelua asiakkaiden ja kumppaneiden kanssa, vastata laajuudesta, arvioinnista, toimituksesta ja käyttöönotosta reaaliaikaisissa lääke-ohjelmissa.
Vaatimukset
- Vahvat syvät oppimisen taidot molekyylia AI:ssa, mukaan lukien graafineuroverkot, viestinvälitys ja muuntajat.
- Ymmärrys toksikologisesta arvioinnista lääkeainetutkimuksessa (päätuspisteet kuten DILI, soluvaarallisuus, mikronukleiinioksidointia kuvaavat tulokset).
- Kokemus ennakoivien mallien rakentamisesta ja toksikomallien käyttöönotosta todellisissa lääketutkimus-/teollisuuden tutkimus- ja kehitysohjelmissa.
- RNA-seq:n, toksikkoseurannan ja kuvapohjaisten kuvantamisten tuntemus farmasian HTS- ja lajitteluprosessissa.
- Tieteellinen johtajuus: visio, agendan omistaminen ja itsenäinen teknisten ja asiakaskeskustelujen johto.
- Hands-on mallintamisen kyky ja toisten ohjaaminen – johtajatehtävä, jossa on mahdollisuus rakentaa tiimi.
- PhD tai vastaava kokemus relevantilla alalla, lisäksi 6+ vuotta ML:n soveltamista lääketutkimukseen/biovet"s.
Taidot ja teknologiat
Koulutustaso
Tieteellinen jatkotutkintoEdut ja etuudet
Rekrytointiprosessi
- 1Lähetä ansioluettelo
- 2Puhelinhaastattelu
- 3Henkilöstöhaastattelu
- 4Tarjous

| Sijainti | Aktiiviset ilmoitukset |
|---|---|
| Etätyö - Globaali | 1 |
| Berliini, Saksa | 1 |
| Roolityyppi | Aktiiviset ilmoitukset |
|---|---|
| Senior ML Research Engineer | 1 |
| Roolitaso | Aktiiviset ilmoitukset |
|---|---|
| Senior-taso | 1 |
Aiheeseen liittyvät mahdollisuudet
Löydä lisää kiinnostuksen kohteisiisi ja taitoihisi sopivia mahdollisuuksia