(Senior) Scientist, Machine Learning

Что если… вы могли бы присоединиться к организации, которая создает, финансирует и строит биотехнологические компании, изобретающие прорывные технологии для преобразования здравоохранения и устойчивого развития?

О КОМПАНИИ

Expedition Medicines — это частная биотехнологическая компания на ранней стадии развития, пионер в новой области редактирования белков. В Expedition Medicines мы создаем малые молекулы, которые редактируют структуру и функцию белков, чтобы получить доступ к в настоящее время недоступным мишеням и широкому спектру терапевтических модальностей. Наша платформа объединяет новейшую химию малых молекул и технологии открытия хемопротеомики с машинным обучением (ML) для обеспечения генеративного дизайна. Expedition Medicines поддерживается Flagship Pioneering, которая предоставляет свою смелость, видение и ресурсы для руководства Expedition Medicines от валидации платформы до воздействия на пациентов. Мы ищем отзывчивых, неустанных решателей проблем, которые разделяют нашу страсть к воздействию, чтобы присоединиться к нам!

РОЛЬ

Expedition ищет мотивированного и инновационного (старшего) научного сотрудника по машинному обучению для присоединения к нашей команде. В этой роли вы будете играть критически важную роль в разработке, оценке и применении подходов машинного обучения, которые связывают проприетарные хемопротеомические данные Expedition с квантовой химией, электронной структурой и генеративным дизайном молекул. Успешный кандидат будет сочетать глубокую экспертизу в современном машинном обучении с глубоким пониманием молекулярных представлений, квантовой химии и вычислительного открытия лекарств для достижения результатов в программах открытия лекарств Expedition.

Этот специалист внесет вклад в развитие передовой AI-платформы для открытия ковалентных лекарств, уделяя особое внимание связыванию крупномасштабных экспериментальных данных с точностью до атома с физически значимыми характеристиками, такими как электронная структура, реакционная способность и дескрипторы, полученные с помощью DFT. Ключевой частью роли будет применение генеративных моделей непосредственно к активным программам открытия лекарств в тесном партнерстве с медицинской химией, при этом разрабатывая строгие эталонные тесты для оценки производительности моделей и руководства по улучшению платформы. Идеальный кандидат — это высокоорганизованный, научно строгий специалист, комфортно работающий с ручной курацией данных и способный самостоятельно вести проекты в быстро развивающейся исследовательской среде.

КЛЮЧЕВЫЕ ОБЯЗАННОСТИ

• Разработка, внедрение и оценка инновационных методов машинного обучения для связи (макро-)молекулярных квантово-химических характеристик, моделирования реакционной способности, образования ковалентных связей и данных о вовлечении мишеней по всему протеому.
• Проектирование и внедрение строгих эталонных тестов для оценки производительности моделей, включая ретроспективные, проспективные и релевантные для программы стратегии валидации.
• Уточнение, тонкая настройка и применение базовых моделей Expedition к нашим программам открытия лекарств в тесном партнерстве с командами медицинской химии, поддержка дизайна соединений, приоритизация и итеративное обучение на основе экспериментальных результатов.
• Выполнение ручной курации данных, контроля качества и построения наборов данных для обеспечения обучения и оценки моделей на высококачественных, биологически и химически значимых данных.
• Разработка масштабируемых конвейеров признаков и моделирования для больших наборов молекулярных данных, включая результаты квантовой химии, ансамбли конформеров, данные о взаимодействии белок-лиганд, данные о ковалентной реакционной способности и экспериментальные хемопротеомические данные.
• Тесное сотрудничество с командами по вычислительной химии, химии, биологии и протеомике для преобразования данных платформы в применимые модели для программ открытия.
• Партнерство с командами инженеров для внедрения рабочих процессов моделирования, улучшения инфраструктуры данных и создания самостоятельных возможностей для химических и исследовательских команд.
• Четкое донесение технических результатов, производительности моделей и научных последствий до межфункциональных команд.

ПРОФЕССИОНАЛЬНЫЙ ОПЫТ И КВАЛИФИКАЦИЯ

• Докторская степень в области машинного обучения, вычислительной химии, химической физики, информатики, прикладной математики или смежной дисциплины с 2+ годами промышленного опыта, или степень магистра с 6+ годами промышленного опыта.
• Опыт работы с квантовой химией, DFT, методами электронной структуры или пост-DFT дескрипторами.
• Опыт построения молекулярных ML-моделей, включая графовые нейронные сети, геометрическое глубокое обучение, эквивариантные архитектуры, диффузионные модели или смежные подходы. Публикации или препринты в, например, NeurIPS, ICML, ICLR, bioRxiv являются большим плюсом.
• Опыт применения генеративных моделей, моделей молекулярного дизайна или рабочих процессов активного обучения к проблемам открытия лекарств или оптимизации химии.
• Опыт тесного сотрудничества с командами медицинской химии для приоритизации соединений, интерпретации результатов моделей и включения экспериментальной обратной связи в разработку моделей.
• Опыт разработки строгих систем оценки моделей, эталонных тестов и стратегий валидации для молекулярного ML или научных ML-приложений, а также способность курировать, очищать, интегрировать и анализировать сложные крупномасштабные научные наборы данных из нескольких источников.
• Владение Python и современными ML-фреймворками, такими как PyTorch, PyTorch Geometric, DGL или смежными инструментами, а также инструментами для хемоинформатики и молекулярного моделирования, такими как RDKit, ORCA, Gaussian, Q-Chem или смежным программным обеспечением, является предпочтительным.
• Опыт работы с масштабируемой обработкой данных, обучением моделей и аналитическими рабочими процессами для больших научных наборов данных.
• Опыт работы с ковалентной химией, моделированием реакций, дизайном на основе структуры или хемопротеомическими данными является плюсом.
• Способность тесно сотрудничать с экспериментальными учеными и преобразовывать биологические и химические вопросы в вычислительные стратегии.
• Отличные навыки коммуникации и межфункционального сотрудничества.

МЕСТОПОЛОЖЕНИЕ: Кембридж, Массачусетс

О FLAGSHIP PIONEERING

Flagship Pioneering изобретает и строит платформенные компании, каждая из которых обладает потенциалом для создания множества продуктов, преобразующих человеческое здоровье, устойчивое развитие и многое другое. С момента своего запуска в 2000 году Flagship создала более 100 компаний. Многие из этих компаний решали самые насущные проблемы человечества: вакцинировали миллиарды людей от COVID-19, лечили неизлечимые болезни, улучшали здоровье человека, предотвращали болезни и кормили мир, повышая устойчивость и эффективность сельского хозяйства.

Flagship дважды была отмечена в списке FORTUNE «Изменить мир», ежегодном рейтинге компаний, оказавших положительное социальное и экологическое воздействие через деятельность, которая является частью их основной бизнес-стратегии, и дважды была названа Fast Company одной из самых инновационных компаний мира. Узнайте больше о Flagship по адресу

В Flagship мы беремся за невозможные миссии, чтобы совершать более крупные прорывы. Наши основные ценности направляют нас в условиях неопределенности и к долгосрочному воздействию.

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

Мы признаем, что отличные кандидаты часто обладают уникальными сильными сторонами, не соответствующими всем требованиям. Если у вас есть часть указанного опыта, но не весь, пожалуйста, подайте заявку в любом случае. Мы стремимся создавать разнообразные и инклюзивные команды и с нетерпением ждем возможности узнать больше о вашем опыте и интересе к Flagship.

Рекрутинговые и кадровые агентства: Flagship Pioneering и аффилированные с ней компании Flagship Lab (совместно «FSP») не принимают незапрошенные резюме от каких-либо источников, кроме кандидатов. Предоставление незапрошенных резюме рекрутинговыми или кадровыми агентствами FSP или ее сотрудникам строго запрещено, если только внутренний отдел подбора персонала Flagship Pioneering напрямую не свяжется с ними. Любое резюме, предоставленное агентством при отсутствии подписанного соглашения, автоматически становится собственностью FSP, и FSP не будет выплачивать никаких реферальных или других сборов в связи с этим.

Диапазон заработной платы для этой должности составляет $180 000–$258 500. Компенсация за эту роль будет зависеть от ряда факторов, включая квалификацию кандидата, навыки, компетенции и опыт. В настоящее время Expedition Medicines предлагает медицинское страхование, ежегодную программу стимулирования, пенсионные льготы и широкий спектр других льгот. Информация о компенсации и льготах основана на добросовестной оценке Expedition Medicines на дату публикации и может быть изменена в будущем.

Уведомление о конфиденциальности для соискателей: Когда вы подаете заявку на должность в Flagship Pioneering или одной из ее портфельных компаний, мы собираем и используем предоставленную вами личную информацию (такую как ваше имя, контактные данные, история работы и материалы заявки) для оценки вашей заявки, связи с вами и соблюдения юридических обязательств. Данные вашей заявки обрабатываются через Greenhouse, нашу систему отслеживания соискателей, и могут также проверяться с использованием инструментов проверки с поддержкой ИИ. Мы не продаем вашу личную информацию. Жители Калифорнии имеют права в соответствии с CCPA/CPRA, включая право знать, удалять и отказаться от продажи вашей личной информации. Если вы находитесь в ЕС или Великобритании, мы обрабатываем ваши данные в соответствии с GDPR, и вы имеете право на доступ, исправление и удаление ваших данных. Чтобы реализовать свои права или задать вопросы, свяжитесь с контакт рекрутера.