Bioengineer, Display & Library Engineering

ppAdaptyv baut ein automatisiertes Labor, das es KI-Agenten ermöglicht, biologische Experimente durchzuführen. Wir treten in die Ära der agentischen Wissenschaft ein, in der KI-Modelle jetzt neuartige Proteine entwerfen, Hypothesen vorschlagen und experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen - das ist immer noch ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die es KI-Agenten ermöglicht, auf die physische Welt zuzugreifen.

Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, das von führenden Biopharmaunternehmen, fortschrittlichen KI-Labors und den Techbio-Unternehmen, die das Feld vorantreiben, vertraut wird. Dies ist eine seltene Gelegenheit, einige der wichtigsten Arbeiten im Biotech-Bereich voranzutreiben.

Unser automatisiertes Labor wird von einem tiefen Software- und Hardware-Stack betrieben: Labormaschinen im Wert von Millionen USD, die in API-kontrollierbare Hardware umgekehrt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Beobachtbarkeit von allem, was im Labor passiert, Verarbeitungs-Pipelines für unordentliche Daten aus der physischen Welt und KI-Systeme, die Produktionsergebnisse überprüfen und die Entwicklung von Assays beschleunigen.

ÜBER DIE ROLLE

Sie sind hier, um die Datengenerierung zu skalieren. Designteams können uns 10⁶ Sequenzen übergeben, und unsere automatisierte Infrastruktur misst etwa 10³ davon einzeln. Der Bau von Bibliotheken und die Anzeige schließen diese Lücke.

Wir suchen jemanden, der diese Systeme bereits eingerichtet hat und dies hier erneut mit eigenen Händen tun kann. Phagen, Ribosomen, mRNA, Hefe, zellfrei: welche passt, hängt von der Bibliothek und dem Ziel ab, und ein Teil des Jobs besteht darin, diese Entscheidung zu treffen und sie dann zu bauen, anstatt eine Empfehlung zu schreiben.

Dies ist eine Build-Rolle, keine Service-Rolle. In den ersten Monaten erstellen Sie Bibliotheken, führen Selektionen durch, arbeiten heraus, warum eine Runde zusammengebrochen ist, und verwandeln das, was funktioniert, in etwas, das das Automatisierungsteam ohne Sie ausführen kann.

• Die Bibliotheken bauen. Oligo-Pools, kombinatorische Assemblierung, Barcoding. Mehr Kampagnen scheitern hier als bei der Selektion.
• Selektionen von Anfang bis Ende durchführen, einschließlich der Entscheidung, ob eine Runde echte Binder angereichert hat oder nur schnell wachsende.
• Die Plattform pro Kampagne auswählen und einrichten. Basierend auf der Bibliothek und dem Ziel, nicht darauf, was Sie zuletzt verwendet haben.
• Die Sequenzierungsanalyse übernehmen. Sie müssen kein Bioinformatiker sein, aber Sie dürfen nicht auf einen warten.
• An die Automatisierung übergeben. Ein Protokoll, das nur funktioniert, wenn Sie es persönlich ausführen, ist nicht fertig.
• Den Kreis schließen. Ausgewählte Designs werden vom Team nebenan auf BLI und SPR exprimiert und gemessen. Das sagt Ihnen, ob die Selektion funktioniert hat.

• MSc oder PhD in einem relevanten Bereich sowie 3+ Jahre Erfahrung in der Durchführung von Anzeige und Selektion.
• Sie haben eine Anzeigeplattform eingerichtet, nicht nur verwendet. Dies ist das Kernkriterium. Die Bibliothek gebaut, die Selektion zum Laufen gebracht und Binder produziert, die in einem unabhängigen Assay bestanden haben. Das Management von ausgelagerten CRO-Kampagnen ist nicht dasselbe.
• Tiefe in mindestens einem Anzeigeformat und funktionale Kenntnisse in den anderen. Wir sind nicht festgelegt, welches.
• Hochdiverses Klonen und ein Verständnis dafür, wo Bias in einen Pool gelangt und was es Sie später kostet.
• NGS als routiniertes Werkzeug und FACS, wenn Sie es haben.
• Genug Python oder R, um Ihre eigenen Daten zu analysieren, ohne sich in eine Warteschlange einreihen zu müssen.
• Sie nutzen KI-Tools ernsthaft. Es ist 2026 und wir arbeiten im gesamten Unternehmen mit "Claude Code". Sie benötigen auch das Urteilsvermögen, um zu überprüfen, was zurückkommt.
• Ein Selbststarter. Niemand wird Ihnen eine priorisierte Warteschlange geben. Sie entscheiden, was Sie bauen, bauen es und teilen uns mit, was Sie gelernt haben.
• Startup-Geschwindigkeit, nicht akademisches Tempo. Kampagnen laufen gegen Kundenfristen. Eine funktionierende Plattform mit bekannten Grenzen schlägt eine elegante, die erst nächstes Jahr kommt.
• Sie möchten, dass Ihre Protokolle automatisiert und nicht für immer manuell sind.
• Wenn Ihr Instinkt ist, dass eine Kampagne abgeschlossen ist, sobald Sie zehn gute Klone haben, werden wir uns frustrieren. Wir wollen Daten, nicht eine Trefferliste.

Die meisten Display-Wissenschaftler verbringen eine Karriere damit, eine Zielklasse zu durchsuchen, und das Ergebnis ist eine Trefferliste. Hier würden Sie Kampagnen über viele Ziele und viele Entwurfsmethoden durchführen, vieles davon auf KI-gestalteten Proteinen, die niemand zuvor charakterisiert hat.

Expression und Charakterisierung laufen bereits in großem Maßstab auf unserer automatisierten Infrastruktur, sodass Sie die Selektionsschicht aufbauen und nicht alles darunter.

• Standort: Lausanne, Schweiz, vor Ort. Dies ist eine Laborrolle.
• Typ: Vollzeit.
• Startdatum: So schnell wie möglich.

Wir prüfen Bewerbungen fortlaufend.