Postdoc: AI-Driven Drug Design & Closed-Loop DMTA

Postdoc: AI-Driven Drug Design & Closed-Loop DMTA

Vollzeit 51525 - 62975 € / Jahr (geschätzt) Kein Homeoffice möglich
Universität Basel

Auf einen Blick

  • Aufgaben: Entwickle eine DMTA-Plattform mit generativer KI und physik-informierten Repräsentationen.
  • Unternehmen: Universität Basel, führend in der Computational Pharmacy.
  • Vorteile: Forschungserfahrung, internationale Zusammenarbeit und Zugang zu modernster Technologie.
  • Weitere Informationen: Dynamisches Team mit großartigen Entwicklungsmöglichkeiten.
  • Warum dieser Job: Gestalte die Zukunft der Wirkstoffforschung mit innovativen ML-Methoden.
  • Qualifikationen: Erfahrung in maschinellem Lernen und Interesse an pharmazeutischer Forschung.

Das prognostizierte Gehalt liegt zwischen 51525 - 62975 € pro Jahr.

Universität Basel sucht eine/n Postdoktorand/in in der Computational Pharmacy Gruppe, um eine DMTA-Plattform zu entwickeln, die generative KI, physik-informierte Repräsentationen und Off-Target-Vorhersagen verbindet.

Sie arbeiten eng mit internationalen Projektpartnern zusammen, entwickeln ML-Methoden und validieren diese prospektiv an Serinprotease-Inhibitoren, um die Wirkstoffforschung voranzutreiben.

Postdoc: AI-Driven Drug Design & Closed-Loop DMTA Arbeitgeber: Universität Basel

Die Universität Basel ist ein hervorragender Arbeitgeber, der seinen Mitarbeitenden eine langfristige Perspektive in einem stabilen und zukunftsorientierten Umfeld bietet. Mit einer sorgfältigen Einarbeitungsphase und kontinuierlichen Weiterbildungsmöglichkeiten fördert die Universität aktiv das Wachstum ihrer Angestellten. Die offene und serviceorientierte Arbeitskultur ermöglicht es Ihnen, direkt mit Dozierenden und Veranstaltenden zusammenzuarbeiten und Ihre technischen Fähigkeiten in einem internationalen und dynamischen Team weiterzuentwickeln.

Universität Basel

Kontaktdaten:

Universität Basel Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Postdoc: AI-Driven Drug Design & Closed-Loop DMTA mit Bravour zu bestehen

Computational Pharmacy
Generative KI
Physik-informierte Repräsentationen
Off-Target-Vorhersagen
Maschinelles Lernen (ML)
Validierung von Methoden
Wirkstoffforschung