Principal ML Scientist – Predictive Toxicology

Über Apheris

Bei Apheris betreiben wir föderierte Datennetzwerke in den Lebenswissenschaften, um die Entwicklung von Machine-Learning-Modellen zu ermöglichen, die besser sind als das, was eine einzelne Organisation allein aufbauen kann. Biopharma kann nur eine endliche Anzahl von Verbindungen über Assays, strukturelle Biologie-Workflows und komplexe ADME- und Toxizitätsendpunkte synthetisieren und testen, was die Leistung von Modellen einschränkt, die auf internen Daten trainiert werden.

Das Apheris-Produkt adressiert dies, indem es Netzwerke hostet, in denen Biopharma-Organisationen gemeinsam qualitativ hochwertigere Modelle auf ihren kombinierten proprietären Datensätzen trainieren, ohne die zugrunde liegenden Daten zu teilen. Unsere föderierte Computerinfrastruktur mit integrierten Governance- und Datenschutzkontrollen stellt sicher, dass die Daten-IP und das Eigentum immer bei den Datenverwaltern bleiben.

Über die Rolle

Wir suchen einen erfahrenen (leitenden) Wissenschaftler, der unsere Expansion in die prädiktive Toxikologie für kleine Moleküle und quantitative Biologie leitet und ausbaut. Dies ist eine praktische wissenschaftliche Führungsrolle: Sie setzen die wissenschaftliche Vision, führen Gespräche mit Kunden und Konsortien und integrieren echte wissenschaftliche Workflows in unsere Plattform, um ehrgeizige wissenschaftliche Ziele in Modelle umzuwandeln, die in realen Arzneimittelprogrammen verwendet werden.

Sie arbeiten mit einem hohen Maß an Autonomie, übernehmen diese Agenda von Anfang bis Ende und fungieren als wissenschaftlicher Ansprechpartner für Kunden und Partner.

Was Sie tun werden

• Unsere Expansion in prädiktive Toxikologie und quantitative Biologie leiten.
• Die wissenschaftliche Strategie festlegen und definieren, wie in silico Toxikologie- und quantitative Biologie-Workflows in unseren Netzwerken zusammenkommen.
• Entscheiden, wie relevante Daten am besten genutzt werden können.
• Mehrere wissenschaftliche Oberflächen abdecken und Tiefe in den relevanten Endpunkten bringen.
• Modelle entwickeln, die von Bedeutung sind, und federiertes Lernen über Partnerdaten anwenden.
• Die wissenschaftliche Diskussion mit Kunden und Partnern leiten und den Umfang, die Bewertung, die Lieferung und die Akzeptanz in realen Arzneimittelprogrammen übernehmen.

Was wir von Ihnen erwarten

• Starke Grundlagen im Deep Learning für molekulare KI.
• Ein Profil, das zeigt, dass Sie die Bedenken verstehen, die die Toxizitätsbewertung in der Arzneimittelentdeckung antreiben.
• Erfahrungen beim Aufbau prädiktiver Modelle und der Einführung von Toxizitätsmodellen in realen Arzneimittelprogrammen.
• Kenntnisse darüber, wie RNA-seq, Toxizitätsscreenings und bildbasierte Screenings in der Pharmaindustrie verwendet werden.
• Exzellenz in der wissenschaftlichen Führung.
• PhD oder gleichwertige Erfahrung in einem relevanten Bereich sowie 6+ Jahre Erfahrung in der Anwendung von ML auf Probleme in der Arzneimittelentdeckung.

Schön zu haben

• Erfahrung mit föderiertem Lernen oder datenschutzfreundlichem ML.
• Nachweis der prospektiven Validierung prädiktiver Toxizitätsmodelle.
• Lieferung von produktionsreifen Modellen in regulierten pharmazeutischen oder biotechnologischen Umgebungen.
• Erfahrung mit Multi-Omics und hochauflösender Bildgebung.
• Vertrautheit mit öffentlichen Toxikologie- und Bioaktivitätsdatenressourcen.

Was wir Ihnen bieten

• Wettbewerbsfähige Vergütung, einschließlich virtueller Aktienoptionen.
• Remote-first-Arbeit – arbeiten Sie dort, wo Sie am besten arbeiten.
• Wohlfühlbudget, Unterstützung für psychische Gesundheit, Budget für Homeoffice und Lernbudget.
• Großzügiger Urlaubsanspruch.
• Bürotage in unserem Berliner Hauptsitz oder an einem anderen europäischen Standort (3x pro Jahr).
• Ein hochqualifiziertes, leistungsorientiertes Team mit Erfahrung aus führenden Organisationen.