Senior / Principal Scientist, Molecular Simulations

Название: Старший / Главный научный сотрудник, молекулярное моделирование Местоположение: FL117 / Кембридж, Массачусетс, США

О роли: FL117, венчурная AI x bio компания на стадии разработки, ищет Старшего / Главного научного сотрудника по молекулярному моделированию. Здесь вы будете создавать физический слой AI-платформы для разработки лекарств. Вы будете характеризовать взаимодействие лигандов с их мишенями и валидировать сгенерированные дизайны перед их синтезом. Вы будете работать на стыке структурного моделирования и генеративного машинного обучения, превращая результаты моделирования в обучающие сигналы. Мы ищем практического специалиста по моделированию, который готов полностью отвечать за методологию в рамках кросс-функциональной, быстро развивающейся команды.

Обязанности:

• Характеристика лигандов: Проведение и интерпретация структурного и динамического анализа комплексов лиганд–мишень, пептидов, макроциклов, нанотел/VHH, CDR антител.
• Оценка карманов и мишеней: Характеристика сайтов связывания, включая скрытые и индуцируемые карманы, по всему портфелю мишеней с использованием методов молекулярной динамики (MD), расширенного сэмплирования и обнаружения карманов.
• Валидация дизайна: Отбор сгенерированных молекул перед синтезом путем предсказания и уточнения поз, переоценки скоринговых функций докинга, анализа стабильности режимов связывания при MD, анализа напряжений лиганда и конформационных ансамблей, а также определение критериев, по которым дизайн продвигается или отклоняется.
• Предсказание свободной энергии и сродства: Создание, валидация и владение рабочим процессом предсказания сродства (относительная и абсолютная FEP, MM-GBSA/PBSA, методы конечных точек); установление его точности и области применения в сравнении с измеренными данными и честное предоставление результатов.
• Свойства, выходящие за рамки Rule-of-5: Моделирование конформационного поведения, внутримолекулярных водородных связей, хамелеоновости и распределения в мембране для макроциклов и других неклассических хемотипов для поддержки дизайна пероральных свойств.
• Интерфейс «моделирование-ML»: Преобразование выходных данных моделирования в структурированные сигналы для генеративной платформы в тесном сотрудничестве с командой AI/ML.
• Инфраструктура и производительность: Создание воспроизводимых, автоматизированных конвейеров моделирования на облачной GPU или HPC инфраструктуре; управление настройкой системы, параметризацией, контролем качества и анализом в масштабе портфеля, а не по отдельным системам.
• Кросс-функциональное партнерство: Прямое взаимодействие с отделами медицинской химии, фармакологии, а также с внешними партнерами по структурной биологии и анализам; преобразование структурных гипотез в проверяемые дизайны, передача полученных данных в скорректированные модели и четкое обозначение случаев, когда прогнозы ненадежны.

Обязательные квалификации:

• PhD по вычислительной химии, биофизике, химической физике, структурной биологии или смежной области; степень магистра (MSc) с эквивалентным опытом в индустрии рассматривается.
• 4+ года опыта молекулярного моделирования после получения степени PhD, по крайней мере часть из них в области разработки лекарств (Старший научный сотрудник); 6+ лет с продемонстрированным владением методологией или платформой (Главный научный сотрудник).
• Глубокие практические знания классической молекулярной динамики: силовые поля и параметризация малых молекул (AMBER/CHARMM/OPLS, GAFF/OpenFF), обработка растворителей и ионов, протоколы эквилибрации и характерные режимы отказа каждого из них.
• Опыт работы с как минимум одним фреймворком для расширенного сэмплирования или расчета свободной энергии (относительная или абсолютная FEP/TI, метадинамика, зонтичная выборка, обмен репликами или MD с взвешенной выборкой), включая валидацию по измеренным значениям сродства.
• Основы структурного дизайна лекарств: докинг и оценка поз, анализ фармакофоров и горячих точек, а также критическая оценка экспериментальных и предсказанных структур.
• Отличное знание Python, свободное владение инструментами моделирования (OpenMM, GROMACS, AMBER, NAMD или Desmond) и стеками для анализа (MDAnalysis/MDTraj, RDKit); использование систем контроля версий и воспроизводимых рабочих процессов как привычка, а не стремление.
• Продемонстрированная способность запускать моделирование в масштабе на GPU, HPC или облачной инфраструктуре посредством автоматизации, а не ручной настройки каждой системы.
• Понимание соотношения стоимости метода и ценности принимаемого решения: способность определить, когда оправдана многонедельная кампания по расчету свободной энергии, а когда достаточно докинга плюс короткого запуска MD.
• Последовательный рекорд выдающихся технических результатов, отраженный в публикациях, патентах или внутренних отчетах высокого уровня.

Предпочтительный опыт:

• Моделирование пептидов, макроциклов или других соединений, выходящих за рамки Rule-of-5: конформационные ансамбли, внутримолекулярные водородные связи, хамелеоновости и проницаемость для мембран (например, расчет свободной энергии переноса из воды в мембрану).
• Опыт работы с такими классами мишеней, как: GPCR, белок-белковые взаимодействия, транскрипционные факторы, высокодинамичные классы мишеней.
• Работа с предсказанными структурами и их ограничениями (модели класса AlphaFold, методы совместного фолдинга) и с обнаружением скрытых или индуцируемых карманов.
• Работа, смежная с ML: силовые поля и потенциалы на основе машинного обучения (ANI, MACE, NequIP-class), скоринговые функции на основе машинного обучения или генерация признаков, полученных из моделирования, для последующих генеративных моделей.
• Инструменты для рабочих процессов и инфраструктуры: Snakemake/Nextflow, Airflow/Prefect/Dagster, Docker, AWS (Batch, ParallelCluster, S3) и отслеживание экспериментов (MLflow/W&B).
• Четкая структурная коммуникация для неспециалистов с использованием PyMOL, ChimeraX или Mol*. Пожалуйста, предоставьте ссылку на репрезентативные рисунки или ваш GitHub, если применимо.
• Активное присутствие в сообществе вычислительной химии или биофизики через публикации и доклады на конференциях. Пожалуйста, предоставьте список публикаций, если применимо.

О FLAGSHIP PIONEERING Flagship Pioneering изобретает и создает платформенные компании, каждая из которых обладает потенциалом для создания множества продуктов, трансформирующих здоровье человека, устойчивое развитие и многое другое. С момента своего запуска в 2000 году Flagship основала более 100 компаний. Многие из этих компаний решали самые насущные проблемы человечества: вакцинировали миллиарды людей против COVID-19, излечивали неизлечимые болезни, улучшали здоровье человека, предотвращали заболевания и обеспечивали продовольственную безопасность мира за счет повышения устойчивости и экологичности сельского хозяйства. Flagship дважды попадала в список «Изменить мир» (Change the World) журнала FORTUNE, ежегодный рейтинг компаний, оказавших положительное социальное и экологическое воздействие посредством деятельности, являющейся частью их основных бизнес-стратегий, и дважды признавалась журналом Fast Company одной из самых инновационных компаний мира. Узнайте больше о Flagship на www.flagshippioneering.com. В Flagship мы принимаем на себя невыполнимые задачи, чтобы совершать более значительные прорывы. Наши основные ценности направляют нас в условиях неопределенности и к долгосрочному влиянию.

Мы являемся работодателем, предоставляющим равные возможности. Все квалифицированные кандидаты рассматриваются для трудоустройства независимо от расы, цвета кожи, религии, пола, сексуальной ориентации, гендерной идентичности, национального происхождения, инвалидности, статуса ветерана, защищенного законом, или любой другой характеристики, защищенной законом.

Мы понимаем, что отличные кандидаты часто обладают уникальными сильными сторонами, не соответствуя всем требованиям. Если у вас есть часть перечисленного выше опыта, но не весь, пожалуйста, все равно подайте заявку. Мы стремимся создавать разнообразные и инклюзивные команды и будем рады узнать больше о вашем опыте и интересе к Flagship.

Рекрутинговые и кадровые агентства: Flagship Pioneering и связанные с ней компании Flagship Lab (совместно «FSP») не принимают незапрошенные резюме ни от одного источника, кроме самих кандидатов. Предоставление незапрошенных резюме кадровыми или рекрутинговыми агентствами в FSP или ее сотрудникам строго запрещено, если только с вами напрямую не связался внутренний отдел по подбору персонала Flagship Pioneering. Любое резюме, предоставленное агентством при отсутствии подписанного соглашения, автоматически становится собственностью FSP, и FSP не будет выплачивать никаких рекомендательных или иных сборов в связи с этим.

Диапазон заработной платы для этой должности составляет 146 000 - 236 500 долларов США. Вознаграждение за должность будет зависеть от ряда факторов, включая квалификацию, навыки, компетенции и опыт кандидата. FL117 в настоящее время предлагает медицинское страхование, ежегодную программу стимулирования, пенсионные пособия и широкий спектр других льгот. Информация о вознаграждении и льготах основана на добросовестной оценке FL117 на дату публикации и может быть изменена в будущем.