Forward-Deployed Cheminformatician

Über Apheris

Bei Apheris bauen wir die Zukunft, wie KI in der pharmazeutischen F&E angewendet wird. Wir ermöglichen führenden Pharma-Teams, Medikamente schneller zu entdecken und zu entwickeln. Wir hosten die größten föderierten Datennetzwerke der Branche für KI zur Arzneimittelentdeckung, die Co-Folding, ADMET und Antikörperentwicklungsfähigkeit 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: 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.

Antikörperentwicklungsfähigkeitsnetzwerk: Pharma-Partner arbeiten zusammen, um historische und speziell entwickelte Datensätze zur Antikörperentwicklungsfähigkeit für sicheres ML-Training zu föderieren, ohne dass Daten die Umgebung jedes Partners verlassen.

Über die Rolle

Wir suchen einen Forward-Deployed Cheminformatician, der dafür verantwortlich ist, wie Bindungsdaten in unseren co-folding-fokussierten Netzwerken und Initiativen vorbereitet werden. Bindungsdaten sind der Input, der entscheidet, ob unsere Co-Folding- und Bindungsaffinitätsmodelle in realen Arzneimittelprogrammen funktionieren. Sie kommen von Pharma-Partnern in heterogenen Formen – unterschiedliche Assay-Register, unterschiedliche Metadaten, unterschiedliche chemische Darstellungsstandards, unterschiedliche Entscheidungen zu Qualifikatoren, Replikaten und Zensur. Wir benötigen jemanden, der dies in eine wiederholbare, gut dokumentierte Vorbereitungspipeline verwandelt, die Pharma-Vertreter neben uns ausführen können und die auf den öffentlichen Datenkorpus skaliert, den wir für unser eigenes Modelltraining aufbauen. Dies ist halb Ingenieurarbeit, halb vor Ort. Sie definieren das Protokoll, härten es mit Validierern und Skripten, integrieren es in die Apheris-Produkte, führen es mit jedem neuen Partner aus und sind verantwortlich für die entsprechende Pipeline für den öffentlichen Bindungsdatenkorpus.

Was Sie tun werden:

• Definieren und besitzen Sie das Protokoll zur Vorbereitung von Bindungsdaten – Datenschema, Standardisierung kleiner Moleküle, Modell der Assay-Metadaten, Wertbehandlung (KD, Ki, IC50, pIC50), Handhabung von Qualifikatoren und zensierten Werten, Aggregation von Duplikaten und Replikaten.
• Erstellen Sie die Werkzeuge, die es ausführen – modulare Skripte, Validatoren mit umsetzbaren Fehlern und wiederverwendbare Pipelines, die verschiedene pharmazeutische Upstream-Systeme überstehen (Dotmatics, Spotfire, interne Register).
• Arbeiten Sie vor Ort mit Pharma. Setzen Sie sich mit ihren Biologen und medizinischen Chemikern zusammen, führen Sie sie durch das Protokoll, überprüfen Sie, was eine Assay-Spalte tatsächlich misst, und beheben Sie Probleme bei der Abfrage.
• Pflegen Sie die Pipeline zur Darstellung kleiner Moleküle – RDKit-Standardisierung, Handhabung von Tautomerie und Ionisierung, Erhaltung der Stereochemie und PAINS / häufige Trefferfilterung.
• Kuratieren Sie die öffentliche Bindungsdatenbasis – ChEMBL, BindingDB, PubChemBioAssay – vorbereitet nach dem gleichen Standard, damit unsere Modelle auf der stärksten öffentlichen Basis trainieren, die man zusammenstellen kann.
• Übergabe der produktivierten Pipeline sauber an die Ingenieure zur Skalierung und Zusammenarbeit mit ML, um den Datenvertrag gültig zu halten, während sich Modelle und Netzwerke weiterentwickeln.

Was wir von Ihnen erwarten

Sie sollten sich bewerben, wenn:

• Sie einen BSc, MSc, PhD oder gleichwertig in Cheminformatik, computergestützter Chemie oder einem verwandten Bereich haben, plus 3+ Jahre Erfahrung in der Vorbereitung biologischer Assay-Daten in einem Entdeckungsumfeld.
• Sie fließend in Python und RDKit sind. SMILES-Normalisierung, Handhabung von Tautomerie / Ionisierung / Stereochemie und Scaffold-Extraktion sind Ihnen in Fleisch und Blut übergegangen, und Sie verstehen, warum jede dieser Fähigkeiten für Aktivitätsklippen und Modelltraining wichtig ist.
• Sie praktische Erfahrung in der Kuratierung quantitativer Bindungsassay-Daten (KD, Ki, IC50, pIC50) und HTS-Daten haben – zensierte Werte, Qualifikatoren, Duplikate, Aggregation von Replikaten und Interpretation von Assay-Metadaten.
• Sie guten Ingenieurcode schreiben – Versionskontrolle, getestete modulare Skripte, Validatoren, die nützliche Fehler zurückgeben.
• Sie sich wohlfühlen, vor Ort mit pharmazeutischen medizinischen Chemikern und Biologen zu arbeiten. Sie können in einem Überprüfungstreffen herausfinden, was tatsächlich mit einer Spaltenbezeichnung gemeint ist, und das wieder ins Protokoll einpflegen.
• Sie es genießen, einen chaotischen Ad-hoc-Reinigungsjob in ein wiederholbares Protokoll zu verwandeln, das andere ausführen können.

Bonuspunkte, wenn:

• Sie praktische Vertrautheit mit öffentlichen Bindungsdatenquellen (ChEMBL, BindingDB, PubChemBioAssay) und den Herausforderungen in jeder haben.
• Sie LLM-Tools (Claude, Codex, Cursor) angewendet haben, um die Datenbereinigung oder die Harmonisierung von Metadaten zu beschleunigen.
• Sie über institutionelle Datengrenzen hinweg gearbeitet haben – föderiert, mehrseitig oder anders – wo der Vertrag zur Datenvorbereitung unter teilweiser Sichtbarkeit bestehen muss.
• Sie eine Publikationshistorie oder Open-Source-Beiträge in Cheminformatik oder quantitativer Pharmakologie haben.

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.
• Wohlfühlbudget, Unterstützung für psychische Gesundheit, Budget für das Arbeiten von zu Hause, Co-Working-Stipendium 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.