Senior Applied AI Scientist: Drug Discovery & Multi-Omics

avec compétence GmbH; Basel; On-site; CHF 120,000 - 170,000; Full time

Job summary

avec compétence GmbH in Basel-Stadt sucht eine Forscherin oder einen Forscher, der fortgeschrittene KI- und ML-Methoden entwickelt, um Wirkstoffforschung im Immunologie- und kardiovaskulären Kontext voranzutreiben. Sie arbeiten an erklärbaren Modellen, Zielidentifikation und Domänenanpassung.

Sie analysieren Multi-Omics- und Realdaten, bauen dynamische Modelle, wenden Graph-Deep-Learning auf Wissensgraphen an und arbeiten eng mit klinischen Wissenschaftlern, Biologen und Biostatistikern zusammen.

Qualifications

• PhD bevorzugt in Computational Biology, Informatik, ML oder verwandtem Gebiet.
• Mindestens 3 Jahre Erfahrung in angewandter KI und Data Science in der Wirkstoffforschung.
• Erfahrung mit kausaler Inferenz, Graph Neural Networks oder generativen Modellen.
• Erfahrung mit biologischen Foundation-Modellen oder dynamischen Systemmodellen.
• Verständnis von Immunologie und systemischer Pathophysiologie.
• Ausgeprägte Kommunikations- und Teamfähigkeiten.

Responsibilities

• Entwicklung erklärbarer und kausaler KI-Methoden zur Kartierung von Krankheitspfaden.
• Anpassung und Feinabstimmung biologischer Foundation-Modelle zur Zielidentifikation.
• Implementierung von Domänenadaptation und Cross-Species-Translationsalgorithmen.
• Auswertung von Multi-Omics-, Spatial- und klinischen Real-Daten zur Patientenstratifizierung.
• Aufbau dynamischer, physikinformierter Modelle zur Abbildung von Krankheitsverläufen.
• Anwendung von Graph-Deep-Learning auf biologische Wissensgraphen.
• Zusammenarbeit mit klinischen Wissenschaftlern, Biologen und Biostatistikern.

Skills

Computational Biology

Informatik

Machine Learning

Applied AI in drug discovery

Kausal inference

Education

PhD bevorzugt

Masters in Computational Biology

Job description

avec compétence GmbH in Basel-Stadt sucht eine Forscherin oder einen Forscher, der fortgeschrittene KI- und ML-Methoden entwickelt, um Wirkstoffforschung im Immunologie- und kardiovaskulären Kontext voranzutreiben. Sie arbeiten an erklärbaren Modellen, Zielidentifikation und Domänenanpassung.

Sie analysieren Multi-Omics- und Realdaten, bauen dynamische Modelle, wenden Graph-Deep-Learning auf Wissensgraphen an und arbeiten eng mit klinischen Wissenschaftlern, Biologen und Biostatistikern zusammen.