Auf einen Blick
- Aufgaben: Entwickle KI-gestützte Methoden für die Arzneimittelentdeckung und arbeite an innovativen Projekten.
- Unternehmen: Forschungsgruppe für Computational Pharmacy an der Universität Basel mit internationalem Flair.
- Vorteile: Interdisziplinäres Umfeld, enge Zusammenarbeit mit Experten und spannende Forschungsprojekte.
- Weitere Informationen: Wachstumschancen in einem dynamischen, internationalen Team.
- Warum dieser Job: Gestalte die Zukunft der Arzneimittelentwicklung mit modernster KI-Technologie.
- Qualifikationen: Doktorat in relevanten Disziplinen und starke Programmierkenntnisse in Python.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Künstliche Intelligenz transformiert schnell das molekulare Design und die Arzneimittelentdeckung. Die Identifizierung erfolgreicher Arzneimittelkandidaten erfordert jedoch mehr als nur die Generierung von Molekülen mit hoher vorhergesagter Affinität: Selektivität, physikochemische Eigenschaften, potenzielle Nebenwirkungen, synthetische Zugänglichkeit und experimentelles Feedback müssen gleichzeitig berücksichtigt werden.
Unsere Forschung in der Computational Pharmacy-Gruppe an der Universität Basel konzentriert sich auf die Entwicklung von KI-Ansätzen der nächsten Generation für das Arzneimitteldesign, indem modernste maschinelles Lernen mit physikochemischem Wissen und molekularer Modellierung kombiniert wird.
Eine vollständig finanzierte Postdoc-Stelle ist in der Computational Pharmacy-Gruppe an der Universität Basel im Rahmen eines internationalen Innosuisse-Forschungsprojekts zur KI-gesteuerten geschlossenen Arzneimittelentdeckung verfügbar. Das Projekt zielt darauf ab, eine integrierte Design-Make-Test-Analyse (DMTA)-Plattform zu etablieren, die generative KI, extrem große synthetisch zugängliche chemische Räume, physikbasierte molekulare Darstellungen, Off-Target-Vorhersagen und experimentelles Feedback kombiniert. Die entwickelten Methoden werden in iterativen, prospektiven Arzneimittelentdeckungszyklen angewendet, wobei eine Serinprotease aus dem Komplementsystem als Fallstudie zur Optimierung von Leitstrukturen dient.
Der erfolgreiche Kandidat wird eine zentrale Rolle in den rechnerischen und KI-Komponenten des Projekts spielen und eng mit unseren internationalen und industriellen Projektpartnern zusammenarbeiten.
Sie sind verantwortlich für:
- Entwicklung und Anpassung von maschinellen Lernansätzen für struktur-basiertes und generatives molekulares Design.
- Integration physikochemischer Informationen, einschließlich Merkmale der Protein-Ligand-Interaktion, in generative KI-Workflows.
- Entwicklung rechnerischer Workflows für geschlossene DMTA-Zyklen, in denen experimentelle Affinitäts-, Selektivitäts- und Molekül-Eigenschaftsdaten kontinuierlich verwendet werden, um die nächste Generation vorgeschlagener Moleküle zu verbessern.
- Anwendung und Validierung der entwickelten Ansätze prospektiv im Design und der Optimierung von Serinprotease-Inhibitoren.
- Enge Zusammenarbeit mit computergestützten Wissenschaftlern, Chemikern und Biologen innerhalb des internationalen Projektkonsortiums.
- Beitrag zu wissenschaftlichen Publikationen, Präsentationen und Projektberichten.
Ihr Profil:
- Doktorat in Computational Chemistry, Cheminformatics, Computer Science, Physics oder einem verwandten Fachgebiet.
- Starker Hintergrund in maschinellem Lernen und tiefem Lernen.
- Starke Programmierkenntnisse, insbesondere in Python.
- Erfahrung in mindestens einem der folgenden Bereiche:
- molekulare generative KI,
- Cheminformatik und molekulare Darstellungen,
- struktur-basiertes Arzneimitteldesign und Protein-Ligand-Modellierung.
- Erfahrung mit molekularer Modellierung und ein gutes Verständnis der physikochemischen Prinzipien, die die molekulare Erkennung steuern, sind sehr wünschenswert.
- Ein starker Publikationsnachweis in international anerkannten, hochwertigen Publikationen ist erforderlich, wie führende Zeitschriften in der computergestützten Chemie (z.B. JCTC, Journal of Chemical Physics) oder Top-Tier-Konferenzen im Bereich maschinelles Lernen (z.B. ICLR, ICML, NeurIPS), je nach Forschungsbereich des Kandidaten.
- Fließende mündliche und schriftliche Kommunikationsfähigkeiten in Englisch.
- Hochmotivierter, unabhängiger und kooperativer Forscher mit Interesse an der Arbeit an der Schnittstelle zwischen methodologischer Entwicklung und prospektiver Arzneimittelentdeckung.
Wir bieten Ihnen:
- Eine Postdoc-Stelle in einem interdisziplinären Forschungsprojekt an der Schnittstelle von künstlicher Intelligenz und Arzneimittelentdeckung.
- Die Möglichkeit, neue rechnerische Methoden zu entwickeln und diese direkt in prospektiven Design-Make-Test-Zyklen zu testen.
- Enge Interaktion mit experimentellen Forschern der Arzneimittelentdeckung sowie mit industriellen und internationalen Projektpartnern.
- Ein internationales und kollaboratives Forschungsumfeld an der Universität Basel.
Bewerbung / Kontakt
Bitte reichen Sie Ihre vollständigen Bewerbungsunterlagen ein, einschließlich:
- Motivationsschreiben (max. 1 Seite), das Ihre Forschungsinteressen, relevanten Erfahrungen und Fähigkeiten hervorhebt,
- Lebenslauf einschließlich Publikationsliste,
- Doktordiplom oder Bestätigung des voraussichtlichen Abschlusses, und
- Kontaktdaten von mindestens zwei akademischen Referenzen.
Bewerbungen sollten über die Online-Rekrutierungsplattform der Universität Basel eingereicht werden. Die Stelle ist sofort verfügbar.
Sie können mehr über unsere Forschung erfahren unter: https://pharma.unibas.ch/de/research/research-groups/computational-pharmacy-2155/
Für Fragen wenden Sie sich bitte an Prof. Markus Lill (E-Mail schreiben).
Universität Basel 4000 Basel
Postdoctoral Position in AI-Driven Drug Design 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.
