Principal ML Scientist – Prädiktive Toxikologie

🔥 vor 13 Minuten

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Apheris

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2019

🏥 Gesundheitswesen

💼 Beratung

📦 Logistik

Healthcare • Consulting • Logistics

Apheris ist ein Unternehmen, das sich auf die Ermöglichung sicherer und konformer Datenzusammenarbeit in verteilten Datenumgebungen spezialisiert hat, insbesondere für Unternehmen. Die Lösungen des Unternehmens befähigen Organisationen, an föderiertem maschinellem Lernen und Analysen teilzunehmen, indem sie die Erstellung von Modellen ermöglichen, ohne dass sensible Daten bewegt werden müssen, was somit die Privatsphäre und Sicherheit wahrt. Apheris konzentriert sich darauf, Technologie bereitzustellen, die Mehrparteien-Datenökosysteme und Partnerschaften erlaubt, mit einem starken Schwerpunkt auf Compliance, insbesondere in regulierten Industrien wie Pharma und Biotechnologie. Ihre Technologie wird von führenden Pharmaunternehmen vertraut, um KI-gesteuerte Medikamentenforschungsinitiativen zu unterstützen, ohne proprietäre Daten zu gefährden.

Beschreibung

• Verantwortlich für den Ausbau der Aktivitäten des Unternehmens im Bereich prädiktive Toxikologie und quantitative Biologie • Festlegung der wissenschaftlichen Strategie für in-silico-Toxikologie und Workflows der quantitativen Biologie über föderierte Netzwerke hinweg • Definition relevanter Endpunkte, Assays und Modellierungsansätze für echte Entscheidungen in der Wirkstoffforschung • Ermitteln, wie relevante Daten und Methoden wissenschaftlichen und kommerziellen Mehrwert liefern können • Anwendung von Federated Learning auf Partnerdaten, um leistungsfähige Modelle zu erstellen • Integration wissenschaftlicher Workflows in die Plattform, damit Kunden diese in großem Maßstab ausführen können • Zusammenarbeit mit Industriepartnern, um Modelle in Wirkstoffforschungs-Pipelines zu integrieren • Führen wissenschaftlicher Gespräche mit Kunden und Partnern; Übernahme der Verantwortung für Umfang, Bewertung, Lieferung und Akzeptanz • Gestaltung der Produkt-Roadmap entsprechend wissenschaftlicher und kommerzieller Anforderungen • Hands-on in der Modellierung bleiben, gleichzeitig die wissenschaftliche Ausrichtung vorgeben und andere betreuen

🎯 Anforderungen

• Fundierte Kenntnisse im Deep Learning für Molecular AI • Erfahrung mit Graph Neural Networks, Message Passing und transformer-basierten Modellen für die Modellierung molekularer Eigenschaften • Verständnis für Fragestellungen der Toxizitätsbewertung in der Wirkstoffforschung, einschließlich Endpunkten wie DILI, Zytotoxizität oder Mikronukleus-/Genotoxizitäts-Bildauswertungen • Erfahrung im Aufbau prädiktiver Modelle und in der Förderung der Einführung von Toxizitätsmodellen in realen Wirkstoffforschungsprogrammen oder industriellen F&E-Pipelines • Praktische Kenntnisse in RNA-seq, Toxizitätsscreens und bildbasierten Screens in pharmazeutischem HTS und der Compound-Triage • Fähigkeit, eine wissenschaftliche Vision zu entwickeln, eine wissenschaftliche Agenda zu verantworten und technische sowie Kundengespräche eigenständig zu führen • Fähigkeit, hands-on in der Modellierung zu bleiben, gleichzeitig die wissenschaftliche Ausrichtung vorzugeben und andere zu mentorieren • Promotion (PhD) oder gleichwertige Erfahrung in Computational Biology, Cheminformatik, Toxikologie, ML oder einem ähnlichen relevanten Bereich • Mehr als 6 Jahre Erfahrung in der Anwendung von ML auf Probleme der Wirkstoffforschung oder Life-Science-Bereiche • Wünschenswert: Erfahrung mit Federated Learning, datenschutzfreundlichem ML oder Multi-Party-Training-Umgebungen • Wünschenswert: Nachweis prospektiver Validierung und Einsatz prädiktiver Toxizitätsmodelle in laufenden Wirkstoffforschungsprogrammen • Wünschenswert: Produktionsreife Bereitstellung von Modellen in regulierten Unternehmens-, Pharma- oder Biotech-Umgebungen und/oder einschlägige Publikationsliste • Wünschenswert: Erfahrung mit Multi-Omics und High-Content-Imaging, z. B. Cell Painting • Wünschenswert: Vertrautheit mit Tox21, ToxCast, LINCS/L1000 und Adverse Outcome Pathways (AOPs)

🏖️ Vorteile

• Branchengerechte Vergütung, einschließlich virtueller Aktienoptionen in der Frühphase • Remote-first-Arbeitsmodell – arbeite dort, wo du am besten arbeitest • Wellbeing-Budget • Unterstützung für psychische Gesundheit • Budget fürs Arbeiten von zu Hause • Co-Working-Zuschuss • Fortbildungsbudget • Großzügiger Urlaubsanspruch • Office Days in unserem Berliner HQ oder an einem anderen europäischen Standort (3× pro Jahr) • Ein erstklassiges, umsetzungsorientiertes Team mit Erfahrung aus führenden Organisationen