Research Scientist in computational comparative genomics, protein structure, and AI for crop im[...]

Das SIB Swiss Institute of Bioinformatics ist eine international anerkannte gemeinnützige Organisation, die sich der biologischen und biomedizinischen Datenwissenschaft widmet. Ihre Datenwissenschaftler sind leidenschaftlich daran interessiert, Wissen zu schaffen und komplexe Fragen in vielen Bereichen zu lösen, von Biodiversität und Evolution bis hin zur Medizin. Sie bieten wesentliche Datenbanken und Softwareplattformen sowie bioinformatische Expertise und Dienstleistungen für akademische, klinische und industrielle Gruppen an. SIB vereint die Schweizer Bioinformatik-Community von etwa 900 Wissenschaftlern und fördert Zusammenarbeit und Wissensaustausch. Das Institut trägt dazu bei, die Schweiz an der Spitze der Innovation zu halten, indem es Fortschritte in der biologischen Forschung fördert und die Gesundheit verbessert.

Diese Position ist Teil der Comparative Genomics Group, die mit Dr. Natasha Glover und Prof. Christophe Dessimoz am SIB Swiss Institute of Bioinformatics / Universität Lausanne zusammenarbeitet.

Stellenbeschreibung

Pflanzengenomen stellen große Herausforderungen für die Orthologe-Inferenz dar, einschließlich hoher Duplikationsraten, Expansion von Genfamilien, Genomumstellungen, Hybridisierung, Introgression und variabler Annotationsqualität. Der erfolgreiche Kandidat wird neue Ansätze entwickeln und benchmarken, um die HOG-Inferenz zu verbessern, indem zusätzliche Evidenzquellen, insbesondere Proteinstruktur und Syntenie, integriert werden.

Verantwortlichkeiten

• Entwicklung von Methoden zur Verbesserung der Orthologe-Rekonstruktion und HOG-Inferenz in Pflanzen.
• Integration von Proteinstrukturinformationen in den OMA-Orthologe-Inferenz-Workflow, um die Erkennung tiefer Homologie zu verbessern und HOGs zu verfeinern.
• Durchführung von großangelegten Orthologe-Inferenzen und Benchmarking auf Pflanzendatensätzen, einschließlich Genomsammlung, Qualitätskontrolle, Artenbaum-Inferenz und FastOMA-basierter HOG-Rekonstruktion.
• Erstellung oder Zusammenstellung von Benchmark-Datensätzen kuratierter Pflanzen-Genfamilien, einschließlich Fällen mit Duplikationen und breiter taxonomischer Stichprobe.
• Bewertung methodischer Verbesserungen anhand sowohl kuratierter Genfamilien-Benchmarks als auch großangelegter referenzfreier Metriken (z.B. HOG-Vollständigkeit, Größe des ancestral gene repertoire, Duplikationsmuster und Konsistenz über taxonomische Ebenen).
• Untersuchung, wie maschinelles Lernen Sequenz-, Struktur-, Syntenie- und phylogenetische Informationen kombinieren könnte, um die Homologie- und Orthologe-Inferenz zu verbessern.
• Entwicklung wiederverwendbarer, Open-Source-Software und Workflows, die über die GitHub-Repositories der Gruppe verfügbar gemacht werden.
• Vorbereitung von Ergebnissen zur Veröffentlichung in peer-reviewed wissenschaftlichen Zeitschriften.
• Beitrag zum breiteren Comparative QTLomics-Konsortium, das darauf abzielt, die Priorisierung von Kandidatengenen durch Kombination von KI-unterstützter QTL-Extraktion, vergleichender evolutionärer Genomik und funktionaler Datenintegration zu verbessern.

Profilanforderungen

• Ein Doktortitel in computergestützter Biologie, Bioinformatik, evolutionärer Genomik, struktureller Bioinformatik, Informatik oder einem verwandten Bereich.
• Starke Programmierkenntnisse, vorzugsweise in Python.
• Erfahrung in Linux- und HPC-Umgebungen.
• Erfahrung mit reproduzierbaren rechnergestützten Workflows und großangelegten biologischen Datensätzen.
• Starkes Interesse an der Methodentwicklung für vergleichende Genomik, evolutionäre Biologie oder biologische Datenintegration.
• Expertise in einem oder mehreren der folgenden Bereiche: Vergleichende Genomik oder evolutionäre Genomik; Orthologe-Inferenz oder Rekonstruktion von Genfamilien; Strukturelle Bioinformatik oder Proteinstruktur-Analyse; Syntenie-Analyse oder Genom-Evolution; Phylogenetik oder Phylogenomik; Maschinelles Lernen oder KI, die auf biologische Daten angewendet wird.
• Vorherige Erfahrung mit Pflanzenbiologie ist wünschenswert, aber nicht erforderlich. Übertragbare rechnergestützte oder methodologische Expertise aus angrenzenden Bereichen wird gefördert.

Was wir bieten

• Ein interdisziplinäres und kollaboratives Forschungsumfeld am SIB und UNIL.
• Die Möglichkeit, neue Methoden in der vergleichenden Genomik, Orthologe-Inferenz und KI-unterstützter biologischer Datenintegration zu entwickeln.
• Zugang zu großangelegten genomischen, phylogenomischen und Proteinstruktur-Datensätzen.
• Kooperationsmöglichkeiten mit UniProt und internationalen Pflanzen-Genomik-Gruppen.
• Möglichkeit für internationale Kooperationen und Forschungsaufenthalte.
• Ein flexibles Projekt mit Raum für unabhängige methodologische Entwicklung.

Wie man sich bewirbt

SIB setzt sich dafür ein, Vielfalt und Chancengleichheit am Arbeitsplatz und im wissenschaftlichen Ökosystem zu gewährleisten und zu fördern. Wenn Sie an dieser herausfordernden und sehr interessanten Position interessiert sind, reichen Sie bitte Ihre Bewerbung einschließlich Lebenslauf, Motivationsschreiben und Kontaktdaten von 2–3 Referenzen über unser Online-Portal ein, indem Sie auf die Schaltfläche „Bewerben“ klicken.