Lead Scientist - Large Molecules in Berlin

Über Apheris

Bei Apheris bauen wir die Zukunft, wie KI in der pharmazeutischen Forschung und Entwicklung angewendet wird. Wir ermöglichen führenden Pharma-Teams, Medikamente schneller zu entdecken und zu entwickeln. Wir hosten die größten föderierten Datennetzwerke der Branche für KI in der Arzneimittelentdeckung, die Co-Folding, ADMET und Antikörper-Entwicklungsfähigkeit umfassen.

In diesen Netzwerken werden Modelle auf proprietären Branchendatensätzen trainiert, um eine höhere Leistung und breitere Anwendbarkeit zu erreichen, während die Datenkontrolle und das geistige Eigentum geschützt bleiben. Wir liefern diese überlegenen Modelle durch Anwendungen zur Arzneimittelentdeckung, die es Teams ermöglichen, sie in großem Maßstab auszuführen, weiter anzupassen und in bestehende F&E-Workflows zu integrieren.

• AI Structural Biology (AISB) Netzwerk: Die 20 größten Pharmaunternehmen arbeiten im Bereich Co-Folding, strukturbasierte Bindungsaffinitätsvorhersagen und Antikörperdesign zusammen.
• ADMET Netzwerk: Die 50 größten Pharmaunternehmen und Biotechnologieunternehmen arbeiten zusammen, um die Vorhersage von Eigenschaften kleiner Moleküle zu verbessern und auf weitere Arzneimittelmodalitäten auszudehnen.
• Antikörper-Entwicklungsfähigkeitsnetzwerk: Pharma-Partner arbeiten zusammen, um historische und speziell entwickelte Datensätze zur Antikörper-Entwicklungsfähigkeit für sicheres maschinelles Lernen zu föderieren, ohne dass Daten die Umgebung jedes Partners verlassen.

Über die Rolle

Wir suchen einen Spezialisten für große Moleküle, der tiefes Fachwissen in Antikörperengineering, struktureller Biologie und Biologika in unsere Netzwerke einbringt. Sie helfen dabei, die wissenschaftlichen Workflows und die Modellierungsstrategie für Antikörper-Antigen-Co-Folding, Binder-Vorhersage und Entwicklungsfähigkeit-Vorhersage zu definieren - in enger Zusammenarbeit mit unserem ML- und Engineering-Team, das für den eigentlichen Modellaufbau verantwortlich ist.

Wir benötigen diese Person, um großen Molekülen einen echten Verantwortungsbereich bei Apheris zu geben: jemand, der entscheidet, was wissenschaftlich relevant ist, während das Netzwerk wächst, und dem Partner vertrauen können, um mit echtem Credibility in der Arzneimittelentdeckung zu sprechen, nicht nur mit KI-Credibility. Sie müssen keinen Trainingscode schreiben oder die Modelle selbst erstellen. Sie benötigen jedoch genügend KI/ML-Flüssigkeit, um eine echte, informierte Meinung darüber zu haben, was gebaut wird: Ergebnisse überprüfen, erkennen, wo ein Modellansatz nicht die biologische Realität widerspiegelt, und helfen, wissenschaftliche Fragen in einen umsetzbaren Plan zu übersetzen.

Was Sie tun werden:

• Definieren Sie den wissenschaftlichen Workflow, die Evaluierungsstrategie und den Benchmarking-Ansatz für unsere Programme zu großen Molekülen, einschließlich Antikörper-Antigen-Co-Folding, Binder-Vorhersage und Antikörper-Entwicklungsfähigkeit.
• Verwenden Sie unser Produkt als praktischer Benutzer und definieren Sie die Benutzeranforderungen für große Molekül-Workflows, damit das, was gebaut wird, tatsächlich mit der Arbeitsweise von Wissenschaftlern übereinstimmt.
• Fördern Sie die Akzeptanz unserer Modelle für große Moleküle bei Pharma-Partnern - helfen Sie ihnen, zu identifizieren, welche Programme und Anwendungsfälle sie anwenden sollten, und unterstützen Sie sie dabei, echten Wert daraus zu ziehen.
• Übersetzen Sie wissenschaftliche und biologische Anforderungen von Pharma-Partnern in konkrete Eingaben, gegen die das ML/Engineering-Team aufbauen kann.
• Überprüfen Sie die Modellausgaben und Evaluierungsergebnisse anhand realer Kenntnisse der strukturellen Biologie / Antikörperengineering und kennzeichnen Sie, wo etwas biologisch nicht haltbar ist.
• Vertreten Sie die wissenschaftliche Perspektive von Apheris in Partnergesprächen über unsere Netzwerke für große Moleküle - Abstimmung über Ziele, Evaluierungskriterien und Datenanforderungen.
• Bleiben Sie über die Landschaft der großen Molekül-KI/ML (OpenFold, AlphaFold, Boltz, ESM, Literatur zu Antikörperdesign/-entwicklungsfähigkeit) informiert genug, um fundierte Meinungen zu Modellierungsansätzen zu haben.
• Arbeiten Sie mit Produkt, ML und Engineering zusammen, um sicherzustellen, dass wissenschaftliche Anforderungen tatsächlich den Fahrplan prägen und nicht nur nachträglich hinzugefügt werden.

Was wir von Ihnen erwarten:

• Sie haben einen PhD, MSc oder gleichwertige Erfahrung sowie 5+ Jahre in struktureller Biologie, Antikörperengineering, Immunologie, Proteinengineering oder einem verwandten Biologikabereich.
• Sie haben praktische Erfahrung im Antikörperdesign, in der Entwicklungsfähigkeit oder in der Binder-Entdeckung - dies ist eine domänenspezifische Rolle.
• Sie haben einige Erfahrungen mit der Anwendung von KI/ML auf biologische Probleme - Sie müssen keine Modelle selbst erstellen, aber Sie verstehen sie gut genug, um zu einem Modellierungsworkflow beizutragen und zu beurteilen, ob die Ausgaben sinnvoll sind.
• Sie sind es gewohnt, eng mit ML/Engineering-Teams zusammenzuarbeiten und zwischen biologischem Denken und technischer Umsetzung zu übersetzen.
• Sie kommunizieren klar mit wissenschaftlichen und technischen Zielgruppen sowie mit Stakeholdern von Pharma-Partnern.

Schön zu haben:

• Sie sind mit OpenFold, AlphaFold, Boltz oder ähnlichen Strukturvorhersagetools vertraut.
• Sie haben Erfahrung mit Antikörper-Entwicklungsfähigkeitsassays, Immunogenität oder der Herstellbarkeit von Biologika.
• Sie haben direkt mit Pharma-Partnern oder in einem Konsortium/Kollaborationsforschungsumfeld gearbeitet.
• Sie haben eine Publikationsliste in den Bereichen strukturelle Biologie, Immunologie oder Antikörperengineering.

Was wir Ihnen bieten:

• Wettbewerbsfähige Vergütung mit virtuellen Aktienoptionen in der Frühphase.
• Remote-first, mit Flexibilität beim Arbeitsort.
• Unterstützung für das Wohlbefinden: Ressourcen für psychische Gesundheit, Budget für das Arbeiten von zu Hause, Co-Working-Stipendium, Lernbudget.
• Großzügiger Urlaubsanspruch.
• Optionale Bürotage in der Berliner Zentrale oder an einem anderen europäischen Standort (ca. 3x im Jahr).
• Ein umsetzungsorientiertes Team mit Hintergründen aus führenden Organisationen.