Forward-Deployed ML Engineer – Cofolding

Über Apheris

Apheris betreibt föderierte Lebenswissenschaftsdaten-Netzwerke und adressiert die kritische Herausforderung des Zugriffs auf proprietäre Daten, die aufgrund von IP- und Datenschutzbedenken in Silos eingeschlossen sind. Wir ermöglichen führenden Pharma-Teams, schneller Medikamente zu entdecken und zu entwickeln. Wir hosten die größten föderierten Datennetzwerke der Branche für KI in der Arzneimittelentdeckung, die Co-Folding, ADMET und Antikörperentwicklung umfassen.

AI Structural Biology (AISB) Netzwerk: Pharmaunternehmen arbeiten im Bereich Co-Folding, strukturbasierte Bindungsaffinitätsvorhersagen und Antikörperdesign zusammen. ADMET Netzwerk: Pharma- und Biotech-Unternehmen arbeiten zusammen, um die Vorhersage von Eigenschaften kleiner Moleküle zu verbessern und in weitere Arzneimittelmodalitäten zu expandieren. Antikörperentwicklungsnetzwerk: Pharma-Partner arbeiten zusammen, um historische und speziell entwickelte Datensätze zur Antikörperentwicklung für sicheres ML-Training zu föderieren, ohne dass Daten die Umgebung jedes Partners verlassen.

Über die Rolle

Bei Apheris betreiben wir ein föderiertes Datennetzwerk in den Lebenswissenschaften, um das Datenengpassproblem beim Training hochleistungsfähiger ML-Modelle anzugehen. Öffentlich verfügbare molekulare Datensätze sind unzureichend, um qualitativ hochwertige ML-Modelle zu trainieren, die den Anforderungen der Branche entsprechen. Unser Produkt adressiert dies, indem es Netzwerke hostet, in denen Biopharma-Organisationen gemeinsam qualitativ hochwertigere Modelle auf ihren kombinierten Daten trainieren. Das Apheris-Produkt ist eine Reihe von Anwendungen zur Arzneimittelentdeckung, die mit den proprietären Daten der Netzwerkteilnehmer angereichert sind. Unsere föderierte Computerinfrastruktur mit integrierten Governance- und Datenschutzkontrollen stellt sicher, dass die Daten-IP und das Eigentum immer bei den Datenverwaltern bleiben.

Was Sie tun werden

• Entwickeln und implementieren Sie ML-Anwendungen in der strukturellen Biologie, insbesondere im Hinblick auf das Feintuning und die Erweiterung grundlegender Modelle wie OpenFold, Boltz-2 und ESMFold.
• Entwerfen und implementieren Sie Modellerweiterungen für spezifische Aufgaben wie die Vorhersage von Protein-Komplexen und Bindungsaffinitäten, einschließlich Daten-Destillation, Benchmarking und Evaluierungspipelines.
• Arbeiten Sie mit unseren Kunden und akademischen Partnern zusammen, um Datenvorverarbeitungs-, Auswahl- und Benchmarking-Strategien für neuartige Trainingsaufgaben im Zusammenhang mit Proteinstrukturen, -komplexen und multimodalen biologischen Daten zu definieren.
• Führen Sie Fallstudien zu den oben genannten Themen durch und bieten Sie wissenschaftliche und technische Expertise für unsere Kunden.
• Sie werden in den gesamten Projektpipeline involviert sein, von der Abgrenzung bis zur Ergebnisauslieferung und -verbreitung.
• Entwerfen, bauen und warten Sie skalierbare maschinelle Lernmodelle und die Pipelines, die für Training, Inferenz und Bereitstellung in der Produktion erforderlich sind.
• Zusammenarbeiten Sie funktionsübergreifend, um sicherzustellen, dass Modelle den realen Bedürfnissen der Arzneimittelentdeckung gerecht werden.
• Tragen Sie zu Veröffentlichungen oder Open-Source-Beiträgen bei, wo relevant.

Was wir von Ihnen erwarten

• Bis Monat 3: Entwickeln Sie ein tiefes technisches Verständnis des Apheris-Produkts und wie es zu den aktuellen Anwendungsfällen in der strukturellen Biologie passt, an denen wir arbeiten.
• Tragen Sie zur Lieferung eines kundenorientierten Co-Folding-Projekts bei.
• Bis Monat 6: Basierend auf den Ergebnissen des vorgenannten Projekts, erstellen Sie ein kundenbereites Paket zur Ergebnisanalyse.
• Arbeiten Sie mit unserem Datenschutzteam zusammen, um das Potenzial für Reverse Engineering von Modellen zu verstehen.
• Fördern Sie die Akzeptanz der von Apheris generierten Modelle bei unseren Kunden für reale Arzneimittelentdeckungs-Pipelines.
• Bis Monat 12: Übernehmen Sie die Verantwortung für einen kundenorientierten Co-Folding-Modellentwicklungsstream und treiben Sie die Produktanforderungen voran, um die nächste Generation von Co-Folding-Kooperationen aufzubauen.

Sie sollten sich bewerben, wenn

• Sie über umfassende Erfahrung im Aufbau und Training zeitgemäßer Modelle in der Produktion und im großen Maßstab verfügen (z.B. AlphaFold, OpenFold, Boltz) und mit modernen MLOps-Tools vertraut sind.
• Sie Erfahrung in der Anwendung von ML auf reale Probleme der Proteinstruktur oder Arzneimittelentdeckung haben.
• Sie sich in einem schnelllebigen Startup-Umfeld wohlfühlen und gerne an kundenorientierten Projekten arbeiten.
• Sie die technischen Herausforderungen der strukturellen Biologie verstehen und skalierbare Datenvorverarbeitungs-, Trainings- und Evaluierungs-Workflows entwerfen können.

Schön zu haben

• Sie haben Erfahrung in föderiertem Lernen, datenschutzfreundlichem ML oder datenschutzfreundlichem Modelltraining.
• Sie haben in ML- oder Biologiezeitschriften/-konferenzen veröffentlicht (z.B. NeurIPS, ICML, Nature Methods, Bioinformatics).

Was wir Ihnen bieten

• Wettbewerbsfähige Vergütung in der Branche, einschließlich virtueller Aktienoptionen in der Frühphase.
• Remote-first-Arbeit – arbeiten Sie dort, wo Sie am besten arbeiten, sei es von zu Hause oder von einem Co-Working-Space in Ihrer Nähe.
• Eine großartige Palette von Vorteilen, einschließlich eines Wohlfühlbudgets, psychischer Gesundheitsleistungen, eines Budgets für das Arbeiten von zu Hause, eines Co-Working-Stipendiums und eines Budgets für Lernen und Entwicklung.
• Regelmäßige Team-Mittagessen und soziale Veranstaltungen.
• Großzügiger Urlaubsanspruch.
• Vierteljährliches All-Hands-Meeting in unserem Berliner Hauptsitz oder an einem anderen europäischen Standort.
• Ein lustiges, diverses Team von mission-driven Individuen mit dem Ziel, KI und ML zum Guten zu nutzen.
• Viel Raum für persönliches und berufliches Wachstum und die Möglichkeit, Ihre eigene Rolle zu gestalten.

Logistik

Unser Interviewprozess ist in drei Phasen unterteilt:

• Erste Sichtung: Wenn Ihre Bewerbung unseren Anforderungen entspricht, laden wir Sie zu einem ersten Videoanruf ein, um die Passung zu erkunden. In diesem 30-45-minütigen Interview lernen Sie uns und die Rolle kennen. Der Interviewer wird an Ihren relevanten Erfahrungen und Fähigkeiten interessiert sein und alle Fragen zum Unternehmen und zur Rolle beantworten, die Sie möglicherweise haben.
• Tiefeninterview: In dieser Phase wird ein Fachexperte aus unserem Team Ihre Fähigkeiten und Kenntnisse, die für die Rolle erforderlich sind, bewerten, indem er Sie nach bedeutenden Erfahrungen oder Ihren Lösungen für spezifische Szenarien im Einklang mit der Rolle, die wir besetzen, fragt.
• Abschlussinterview: Schließlich laden wir Sie zu bis zu drei Stunden gezielter Sitzungen mit unseren Gründern ein, um über unsere Kultur zu sprechen und zukünftige Kollegen vor Ort kennenzulernen.