Naukowiec, duże biblioteki

To jest Cradle
Białka są molekularnymi maszynami życia, wykorzystywanymi w wielu zastosowaniach terapeutycznych, diagnostycznych, chemicznych, rolniczych i spożywczych. Projektowanie i optymalizacja białek wymaga dużej wiedzy eksperckiej i wysiłku ręcznego, poprzez zastosowanie niestandardowych narzędzi obliczeniowych i biologicznych.
Uczenie maszynowe rewolucjonizuje tę przestrzeń, umożliwiając tworzenie modeli białek o wysokiej wierności. W Cradle oferujemy platformę oprogramowania do odkrywania i optymalizacji białek przy użyciu sztucznej inteligencji, dzięki czemu biolodzy mogą projektować białka szybciej i na większą skalę. Korzystają z nas już klienci z branży biofarmaceutycznej, biotechnologicznej, rolniczej, spożywczej i akademickiej.
Jesteśmy doświadczonym zespołem liczącym niecałe 100 osób. Zbudowaliśmy już wiele udanych produktów i mamy wystarczające fundusze na wiele lat wybiegu. Jesteśmy dystrybuowani do trzech biur w Amsterdamie, Bostonie i Zurychu, a także kilku zdalnych współpracowników.
Naszym pracownikom oferujemy bardzo konkurencyjne wynagrodzenie, wysoki udział w kapitale spółki oraz szeroki wachlarz świadczeń i możliwości rozwoju zawodowego.

Czego szukamy
Poszukujemy (starszego) naukowca, który dołączy do naszego zespołu dużych bibliotek i będzie kierować rozwojem nowatorskich, wysokowydajnych możliwości badań przesiewowych pod kątem interakcji białko-białko. Na tym stanowisku będziesz pracować nad opracowaniem nowych metod przeszukiwania bibliotek wariantów białek (np. przeciwciał) w celu pomiaru powinowactwa wiązania interakcji białek. Opracujesz innowacyjne metody badania krajobrazów funkcji sekwencji, generując zbiory danych na dużą skalę. Te zbiory danych będą podstawą modeli platformy Cradle AI/ML, wzmocnią zalecenia projektowe, przyspieszą optymalizację białek i pogłębią zrozumienie wydajności białek. Twoje wysiłki umożliwią naszym klientom szybsze konstruowanie lepszych białek w zastosowaniach biotechnologicznych.

Obowiązki
Opracowanie i wykonanie metody

• Opracuj i zoptymalizuj nowatorskie przepływy pracy w celu wysokowydajnego przeszukiwania bibliotek interakcji białko-białko

• Twórz i optymalizuj potoki testów in vitro lub testów komórkowych na podstawie wielu metod prezentacji i badań przesiewowych (drożdże, fagi, mRNA, prezentacja na rybosomach lub prezentacja na ssakach)

• Projektuj, buduj i wykonuj ramy biologii molekularnej i biochemii na potrzeby budowy bibliotek, przeglądania i generowania danych na dużą skalę

• Ustanowienie solidnych i powtarzalnych testów o rygorze statystycznym wymaganym do szkolenia, oceny i optymalizacji modeli ML

Przywództwo techniczne

• Prowadź i prowadź projekty od projektu eksperymentalnego po dostarczanie danych

• Identyfikacja możliwości poprawy przepustowości, jakości danych, powtarzalności i efektywności przepływu pracy.

• Współpraca z zespołem wielofunkcyjnym przy rozwiązywaniu złożonych problemów technicznych i opracowywaniu kolejnych rozwiązań.

Współpraca międzyfunkcyjna

• Współpracuj z zespołem ML, aby zdefiniować wymagania dotyczące danych i zintegrować wyniki eksperymentów z potokiem ML.

• Skutecznie komunikuj wyniki, spostrzeżenia i wyzwania techniczne w różnych dyscyplinach.

• Przyczyniaj się do kształtowania kierunku naukowego zespołu Dużych Bibliotek i znacząco przyczyniaj się do rozwoju platformy Cradle.

Twoje tło
Brakuje Ci jednego lub dwóch punktów z poniższej listy? Nie martw się, jeśli jesteś podekscytowany tą rolą i spełniasz większość tych kryteriów, na pewno czekamy na Twoją opinię. W formularzu zgłoszeniowym będziesz miał okazję wzbudzić naszą ciekawość, opowiadając nam o czymś przełomowym, nad czym pracowałeś.

• Doktorat z biochemii, biologii molekularnej, biofizyki, biologii syntetycznej, bioinżynierii lub dziedziny pokrewnej.

• Wykazałeś się kreatywnością w opracowywaniu metod: wymyśliłeś lub zasadniczo dostosowałeś przepływy pracy, a nie tylko wykonałeś ustalone.

• Ekscytację możliwością uczenia się, wnoszenia wkładu i wprowadzania innowacji w środowisku startupowym na wczesnym etapie. Poczuj się komfortowo w obliczu niejednoznaczności i szybkiego tempa pracy.

• Silne umiejętności komunikacji werbalnej i pisemnej w języku angielskim. Proaktywne dzielenie się wynikami, sukcesami i wyzwaniami w środowisku wielofunkcyjnym.

• Możliwość jednoczesnego prowadzenia wielu projektów przy jednoczesnym zapewnieniu udokumentowania etapów procesu i uporządkowania danych fizycznych/cyfrowych.

Miło to mieć
Doświadczenie w jednym lub większej liczbie z poniższych będzie zaletą:

• Metodologie konstrukcji bibliotek DNA na dużą skalę (>10^6 wariantów)

• Platformy ekspozycyjne (ekspozycja na drożdżach, fagach, mRNA, na rybosomach lub na ssakach)

• Cytometria przepływowa i FACS

• Znajomość technik pomiaru kinetyki wiązania (SPR, BLI, ELISA itp.)

• Przygotowanie bibliotek sekwencjonowania nowej generacji, kontrola jakości i narzędzia do analizy bioinformatycznej (Illumina, Nanopore, PacBio).

• Doświadczenie w statystycznie rygorystycznym projektowaniu eksperymentów i ocenie jakości danych

• Wysokoprzepustowa analiza danych lub znajomość języków skryptowych (Python, R)

• Klasyczna, wysokowydajna automatyzacja laboratoriów (zrobotyzowane podajniki cieczy, czytniki płytek, zbieracze kolonii)

Dowiedz się więcej o zespole BioEngineering
Jesteśmy dość otwarci na temat tego, nad czym pracujemy w naszym zespole BioEngineering. Jeśli przed aplikacją chcesz dowiedzieć się więcej, zapoznaj się z wpisami na blogu naszego zespołu (link 1, link 2) lub obejrzyj nasze webinarium na temat automatyzacji laboratoriów.
Nasze zaangażowanie na rzecz włączającego zatrudniania
Cradle ocenia wszystkich kandydatów na podstawie zasług, bez względu na płeć, pochodzenie etniczne, pochodzenie społeczno-ekonomiczne lub jakikolwiek inny aspekt tożsamości. Zachowujemy zerową tolerancję dla dyskryminacji i aktywnie zachęcamy do aplikowania kandydatów ze wszystkich środowisk.

Ujawnienie sztucznej inteligencji
Cradle korzysta z systemu śledzenia kandydatów, który zawiera podstawowe funkcje wspomagane sztuczną inteligencją, które mogą generować wyniki lub rankingi na podstawie dopasowania aplikacji do opisu stanowiska. Wyniki te nie są wykorzystywane do podejmowania decyzji o zatrudnieniu ani do wywierania na nie znaczącego wpływu — wszyscy kandydaci są oceniani w drodze dokładnej oceny prowadzonej przez człowieka przez nasz zespół rekrutacyjny.…

Źródło: Arbeitnow (https://www.arbeitnow.nl/jobs/companies/cradlebio/scientist-large-libraries-amsterdam-402474)