Senior Expert / Senior Principal PKS Data Scientist & Scientific Software Engineer (Dual level [...]

Die Senior Data Scientist & Scientific Software Engineer wird dem Modeling & Simulation Data Science Team innerhalb der Translational Medicine Unit beitreten, um datengestützte Arzneimittelentdeckung voranzutreiben. Die Rolle konzentriert sich darauf, großangelegte ADME-, PK- und verwandte experimentelle Datensätze in umsetzbare Erkenntnisse durch fortgeschrittene Analytik, maschinelles Lernen und robuste Softwareentwicklung zu transformieren.

Diese Position wird die Entwicklung skalierbarer analytischer Anwendungen, wiederverwendbarer computergestützter Workflows und entscheidungsunterstützender in silico-Lösungen vorantreiben, die die Optimierung von Leitstrukturen beschleunigen und die wissenschaftliche Entscheidungsfindung stärken.

Über 200 experimentelle Datensätze werden täglich in der Abteilung für Pharmakokinetische Wissenschaften (PKS) bei Novartis Biomedical Research generiert. Diese Rolle befindet sich im Zentrum der Bemühungen, den Wert dieser Daten für die Entscheidungsfindung zu erschließen und die Zukunft der Medizin durch fortgeschrittene Datenwissenschaft zu gestalten.

Zu den Hauptverantwortlichkeiten gehören:

• Als Schlüsselvertreter des Modeling & Simulation Data Science in Entdeckungs- und Optimierungsprogrammen zu agieren und wissenschaftliche sowie strategische Beiträge zu Projektbesprechungen und Entscheidungen zu leisten.
• Mit Data & Digital und PKS-Teams zusammenzuarbeiten, um Prioritätslücken zu identifizieren, Geschäftsbedürfnisse zu klären und diese in hochwirksame analytische und computergestützte Lösungen zu übersetzen.
• Skalierbare Anwendungen, Workflows und Datenpipelines zu entwerfen, zu erstellen und zu warten, die wissenschaftliche Analysen und Entscheidungsfindungen über Projekte und Modalitäten hinweg unterstützen.
• Maschinenlern- und statistische Modelle zu entwickeln, zu evaluieren und bereitzustellen, um Beziehungen zwischen chemischen Strukturen und molekularen oder pharmakokinetischen Eigenschaften aufzudecken.
• Datenanalyse, Visualisierung und explorative Analyse anzuwenden, um Erkenntnisse aus komplexen experimentellen Datensätzen abzuleiten und Ergebnisse klar an verschiedene Interessengruppen zu kommunizieren.
• Projekt- oder modalitätsspezifische in silico-Modelle und Datenstrategien zu erstellen und umzusetzen, die Entscheidungen zur Fortschritt von Verbindungen beschleunigen und optimieren.
• Produktionsqualitätscode gemäß starker Softwareentwicklungspraktiken zu schreiben, einschließlich Versionskontrolle, Tests, Dokumentation und Wartungsstandards.
• Führend oder beitragend an funktionsübergreifenden Initiativen zu arbeiten, die Datenwissenschaft, Softwareentwicklung und Laborteams umfassen, um die Bereitstellung passgenauer Lösungen sicherzustellen.
• Die Einführung und effektive Nutzung interner Tools, Anwendungen und Methoden der Datenwissenschaft zu fördern, um die Auswirkungen in der Translational Medicine und PKS zu maximieren.
• Aktuell zu bleiben mit Fortschritten in AI/ML, Statistik und computergestützten Methoden, die für ADME, PK/PD und Arzneimittelentdeckung relevant sind, und geeignete Innovationen in die Praxis umzusetzen.

Erforderliche Qualifikationen:

• Fortgeschrittene Abschlüsse in einem relevanten wissenschaftlichen oder quantitativen Bereich wie Cheminformatik, Bioinformatik, biomedizinische Ingenieurwissenschaften, computergestützte Biologie, computergestützte Chemie, Datenwissenschaft, AI/ML in den Lebenswissenschaften oder einem verwandten Fachgebiet.
• PhD mit mehr als 5 Jahren oder MSc mit mehr als 8 Jahren relevanter Berufserfahrung in der Anwendung von Datenwissenschaft in der Arzneimittelentdeckung, translationaler Forschung oder verwandten wissenschaftlichen Umgebungen.
• Starke Expertise in maschinellem Lernen, Statistik und reproduzierbaren Datenwissenschafts-Workflows, mit nachgewiesener Fähigkeit, diese auf reale wissenschaftliche Probleme anzuwenden.
• Kenntnisse in Python und/oder R, mit soliden Praktiken der Softwareentwicklung, einschließlich Versionskontrolle, Tests, Dokumentation und Standards für produktionsfähigen Code.
• Erfahrung in der Gestaltung, Entwicklung und Bereitstellung robuster analytischer Anwendungen, computergestützter Workflows oder Systeme des maschinellen Lernens in kollaborativen Umgebungen.
• Nachgewiesene Fähigkeit, in multidisziplinären Teams zu arbeiten und komplexe analytische Konzepte in klare, umsetzbare Erkenntnisse für Wissenschaftler und Interessengruppen zu übersetzen.
• Starke Kommunikations-, Kollaborations- und Führungsfähigkeiten, mit der Fähigkeit, Entscheidungen in funktionsübergreifenden Umgebungen zu beeinflussen.
• Gutes Verständnis der Prozesse der Arzneimittelentdeckung, insbesondere in Bezug auf ADME, Pharmakokinetik, Pharmakodynamik oder verwandte transnationale Datenbereiche.

Wünschenswerte Qualifikationen:

• Erfahrung mit PK-Modellierung in der Entdeckungsphase, ADME-Dateninterpretation oder der Beziehung präklinischer Eigenschaften zum in vivo-pharmakokinetischen Verhalten.
• Vertrautheit mit modernen Ansätzen des maschinellen Lernens wie Deep Learning, generativen Algorithmen oder erklärbarem AI im Kontext der Arzneimittelentdeckung.
• Erfahrung mit modernen wissenschaftlichen Software- oder Webanwendungsentwicklungsframeworks, einschließlich JavaScript-basierter Front-End-Technologien (z.B. Svelte).
• Kenntnisse in SQL, Datenbanken, Linux-basierten Umgebungen und skalierbaren Datenengineering-Mustern für wissenschaftliche Workflows.
• Erfahrung in der Arbeit mit kleinen Molekülen, Peptiden, RNAs oder anderen Modalitäten in der Datenanalyse in der Entdeckungsphase.

Novartis verpflichtet sich zu einem herausragenden, integrativen Arbeitsumfeld und vielfältigen Teams, die die Patienten und Gemeinschaften, denen wir dienen, repräsentieren.