Data Science & AI Innovation Postdoctoral Fellow Foundational & Multimodal Proteochemometrics models

Das Novartis Biomedical Research Postdoctoral Fellowship Program bietet eine 3‑jährige 100% Stelle ab dem 1. Oktober 2026 in Basel, Schweiz, mit Fokus auf grundlegende multimodale Proteochemometrics-Modelle in der Arzneimittelentdeckung. Diese Gelegenheit ermöglicht es Wissenschaftlern zu Beginn ihrer Karriere, mit modernster KI- und biomedizinischer Forschungstechnologie in Zusammenarbeit mit Daten- und Laborwissenschaftlern zu arbeiten.

Fellows werden Struktur-Affinitätsmodelle trainieren und optimieren, indem sie hochdurchsatzexperimentelle Daten verwenden und deren prädiktive Leistung für Arzneimittel-Ziel-Interaktionen in der Trefferfindung und Sicherheitsbewertung evaluieren.

Wir laden zur Bewerbung für das Novartis Biomedical Research Postdoctoral Fellowship Program ein, eine einzigartige Trainingsmöglichkeit für außergewöhnliche Wissenschaftler, die bereit sind, einige der herausforderndsten Probleme in der biomedizinischen Forschung und Arzneimittelentdeckung anzugehen. Als Postdoctoral Research Fellow werden Sie Teil von Discovery Sciences in Basel und verfolgen ein innovatives Forschungsprojekt an der Spitze der biomedizinischen Wissenschaft und Arzneimittelentdeckung.

Unsere Fellows sind befähigt, mutige wissenschaftliche Fragen zu stellen, modernste Technologien anzuwenden und Ansätze zu entwickeln, die das Potenzial haben, die Patientenversorgung zu transformieren.

Forschungsmöglichkeiten:

Grundlegende Struktur-Aktivitätsmodelle, die kleine Molekül-Protein-Interaktionen aus der Struktur kleiner Moleküle und der Proteinsequenz vorhersagen können, haben wissenschaftliches Interesse geweckt. Die praktische Eignung solcher Modelle, die auf öffentlichen Struktur-Aktivitätsdaten trainiert wurden, war begrenzt, da diese Daten sowohl in der Menge gering als auch extrem spärlich sind. Industrielle Hochdurchsatz-Screening-Technologien wie DNA-kodierte Bibliotheken erzeugen größere Mengen dichter Daten. In diesem Projekt zielen wir darauf ab, ein großes Proteochemometrics-Modell basierend auf hochdurchsatzexperimentellen Daten zu trainieren und zu bewerten, wie solche Modelle prädiktiv für hochwertige Affinitätsdaten mit und ohne Feinabstimmung auf einer kleinen Anzahl solcher Qualitätsdatenpunkte sein können.

Warum dem Programm beitreten:

• Das Novartis Biomedical Research Postdoctoral Fellowship Program ist darauf ausgelegt, die nächste Generation wissenschaftlicher Führungspersönlichkeiten durch rigorose Forschung und immersive Lernerfahrungen zu entwickeln.
• Postdoctoral Research Fellows profitieren von:
• Leitung durch erfahrene wissenschaftliche Führungskräfte und Fachexperten
• Zugang zu fortschrittlichen Technologien, Plattformen und Forschungskapazitäten
• Zusammenarbeit über Disziplinen und organisatorische Grenzen hinweg
• Eine globale und vielfältige Gemeinschaft von Postdoktoranden
• Ein spezielles Programm, das darauf abzielt, den Fellows zu helfen, in ihrer Karriere erfolgreich zu sein
• Personalisierte Lernerfahrungen durch ein Postdoc-Praktikum, das die Fellows ermächtigt, neue wissenschaftliche Bereiche zu erkunden und ihre Auswirkungen über ihr primäres Forschungsprojekt hinaus zu erweitern
• Gelegenheiten zur Präsentation von Forschung, Veröffentlichung in führenden Fachzeitschriften und zum Aufbau eines internationalen wissenschaftlichen Netzwerks

Wesentliche Verantwortlichkeiten:

• Trainieren und Optimieren grundlegender Struktur-Affinitätsmodelle auf hochvolumigen experimentellen Daten wie DNA-kodierten Bibliotheks-Screening-Daten
• Feinabstimmung von Modellen auf hochwertigen, niedrigvolumigen Affinitätsdaten
• Bewertung der Leistung der Modelle mit und ohne Feinabstimmung und Vergleich mit modernen Modellen
• Anwendung und Bewertung vielversprechender Modellarchitekturen in kleinen Molekül-Trefferfindungsprojekten
• Bewertung der Leistung der Modelle zur Vorhersage von Off-Targets für pharmakologische Sicherheitsbewertungen

Wesentliche Anforderungen:

• PhD (oder gleichwertiger Doktortitel) in einem relevanten wissenschaftlichen Bereich, abgeschlossen vor dem Beginn des Stipendiums
• Programm vorgesehen für Wissenschaftler unmittelbar nach ihrer PhD-Ausbildung (Abschluss 2026)
• Nachweisliche Erfolge in der Wissenschaft (Veröffentlichungen, Präsentationen, Patente oder gleichwertig)
• Starke Verpflichtung zu Lernen, Innovation und beruflicher Entwicklung
• Praktische Erfahrung mit Cheminformatik-Workflows, Vertrautheit mit Deskriptoren sowie maschinellem Lernen und tiefem Lernen im Kontext der Cheminformatik
• Expertise in Linux, Hochleistungsrechnen und Cloud-Umgebungen
• Expertise in Python, wissenschaftlichen und tiefen Lernstacks, Vertrautheit mit Best Practices in der reproduzierbaren Forschung (Versionskontrolle, Tests, Dokumentation)
• Erfahrung im Training grundlegender Modelle und/oder Verarbeitung großer Datensätze
• Nachgewiesene Fähigkeit, als Teil eines interdisziplinären Teams (z.B. Biologen, Chemikern, Datenwissenschaftlern) zu arbeiten, mit proaktiven und ergebnisorientierten Kommunikationsfähigkeiten
• Engagement für die Förderung von gegenseitigem Respekt, Empathie und Positivität in vielfältigen beruflichen Umfeldern

Wünschenswerte Anforderungen:

• Erfahrung mit Ligand-Protein-Docking, Ligand-Protein-Co-Folding oder Arzneimittel-Ziel-Interaktionsmodellen
• Erfahrung in der Verwendung von Synthons und Transformationen zur Generierung virtueller Räume oder zur Untersuchung virtueller Räume

Bewerbungsanweisungen:

Wichtig: Bitte reichen Sie Ihren Lebenslauf und Ihr Anschreiben bis zum 15. Juli 2026, Ende des Tages, ein. In Ihrem Anschreiben beschreiben Sie bitte Ihre Forschungsinteressen, Karriereziele und wie die Teilnahme am Novartis Biomedical Research Postdoctoral Fellowship Program Ihre langfristige Entwicklung unterstützen wird. Das Startdatum für die Kohorte des Novartis BR Postdoctoral Fellowship Program 2026 ist der 1. Oktober 2026. Bitte bestätigen Sie Ihre Verfügbarkeit, um dieses Datum in Ihrem Anschreiben zu erfüllen. Bewerber müssen berechtigt sein, in der Schweiz zu arbeiten.