Principal ML Scientist – Predictive Toxicology

В Apheris мы развиваем федеративные сети данных в области наук о жизни, чтобы обеспечить разработку моделей машинного обучения, которые превосходят все, что может создать отдельная организация. Биофармацевтические компании могут синтезировать и тестировать лишь ограниченное количество соединений в рамках анализов, рабочих процессов структурной биологии и сложных конечных точек ADME и токсичности, что ограничивает производительность моделей, обученных на внутренних данных.

Продукт Apheris решает эту проблему, предоставляя сети, где биофармацевтические организации совместно обучают более качественные модели на основе своих объединенных проприетарных наборов данных без обмена исходными данными. Наша федеративная вычислительная инфраструктура с встроенным управлением и контролем конфиденциальности гарантирует, что интеллектуальная собственность и права на данные всегда остаются у хранителей данных.

О роли

• Мы ищем опытного (principal) ученого, который возглавит и будет развивать наше направление в области прогнозирования токсичности малых молекул и количественной биологии
• Это роль научного лидера, требующая практического участия: вы будете определять научное видение, вести переговоры с клиентами и консорциумами, а также интегрировать реальные научные рабочие процессы в нашу платформу, превращая амбициозные научные цели в модели, которые используются в реальных программах разработки лекарств
• Вы будете работать с высокой степенью автономии, полностью отвечая за это направление и выступая в качестве научного партнера для клиентов и партнеров

О вас

• Высококлассная, ориентированная на исполнение команда с опытом работы в ведущих организациях

Логистика

Наша миссия

• Возглавьте наше развитие в области прогнозирования токсичности и количественной биологии. Возьмите на себя лидерство, поскольку мы выходим за рамки ADME и углубляемся в научные области, определяющие безопасность и эффективность терапевтических средств (например, мультиомиксные технологии, скрининг на основе изображений, высокопроизводительный скрининг и каскады сортировки соединений)
• Определите научную стратегию. Определите, как рабочие процессы in silico токсикологии и количественной биологии объединяются в наших сетях, и какие конечные точки, анализы и подходы к моделированию обеспечивают ценность в реальных решениях по разработке лекарств
• Определите, как лучше всего использовать релевантные данные. Примените свое понимание того, как эти методы и данные генерируются и интегрируются в R&D фармацевтических компаний, и преобразуйте его в четкое видение того, как извлечь максимальную научную и коммерческую ценность из них
• Охватите несколько научных областей. Обеспечьте глубину знаний о показателях и конечных точках, важных для безопасности и эффективности, от предрасположенности к нежелательным эффектам на основе структуры до интерпретации на уровне путей, механистической интерпретации и фармакокинетики in vivo. Интегрируйте эти рабочие процессы в нашу платформу, чтобы клиенты могли выполнять их в больших масштабах
• Создавайте значимые модели. Применяйте федеративное обучение на данных партнеров для получения моделей с производительностью и применимостью, недостижимыми для одной организации, и тесно сотрудничайте с промышленными партнерами для их интеграции в реальные конвейеры разработки лекарств
• Возглавьте научные переговоры с клиентами и партнерами, отвечая за объем работ, оценку, выполнение и внедрение в реальных программах разработки лекарств, формируя дорожную карту в соответствии с реальными научными и коммерческими потребностями

• Прочные основы глубокого обучения для молекулярного ИИ, например, опыт работы с архитектурами, обычно используемыми для моделирования молекулярных свойств (например, графовые нейронные сети, пропускные сообщения и модели на основе трансформеров)
• Профиль, который четко демонстрирует понимание проблем, влияющих на оценку токсичности при разработке лекарств — независимо от конкретных конечных точек токсичности, над которыми вы работали (например, DILI, цитотоксичность или результаты анализа изображений микроядер/генотоксичности)
• Ощутимый опыт создания прогнозных моделей и стимулирования внедрения моделей токсичности в реальных программах разработки лекарств или промышленных R&D конвейерах, тесно сотрудничая с командами для интеграции моделей в конвейеры
• Практическое знание того, как RNA-seq, скрининги токсичности и скрининги на основе изображений используются в фармацевтике в рамках рутинного HTS и сортировки соединений
• Превосходство в научном лидерстве: способность определять видение, руководить научной повесткой дня и самостоятельно вести технические переговоры и переговоры с клиентами
• Комфортное пребывание в практической работе с моделями при определении научного направления и наставничестве других — это прежде всего роль научного лидера с возможностью со временем создать и возглавить команду
• PhD или эквивалентный опыт в соответствующей области (вычислительная биология, хемоинформатика, токсикология, ML или аналогичная), плюс 6+ лет применения ML в задачах разработки лекарств/наук о жизни

Местоположение: Удаленно (UTC +/- 2 часа)

• Конкурентоспособная заработная плата в отрасли, включая опционы на акции на ранней стадии
• Удаленная работа — работайте там, где вам удобнее всего
• Бюджет на благополучие, поддержка психического здоровья, бюджет на обустройство рабочего места дома, стипендия на коворкинг и бюджет на обучение
• Щедрое количество дней отпуска
• Офисные дни в нашем берлинском главном офисе или другом европейском месте (3 раза в год)