Über die Stelle
Rollentitel: Wissenschaftler (PhD) für Computational Chemistry, Strukturbiologie & Wirkstoffentdeckung
Rollentyp: Auftragnehmer
Standort: Remote (Weltweit)
Zusammenfassung der Stelle: In dieser Rolle bringen Sie Ihre Expertise ein, um die Entwicklung nächster Generationen von KI-Systemen zu unterstützen. Ihre Arbeit prägt, wie Modelle durch hochwertige, praxisnahe Eingaben lernen, schlussfolgern und leisten.
Hauptaufgaben
- Entwerfen und formulieren Sie anspruchsvolle wissenschaftliche Probleme auf Expertenniveau in Computational Chemistry, Strukturbiologie und Wirkstoffentdeckung mit klaren, überprüfbaren Lösungen.
- Prüfen und bewerten Sie Ausgaben von KI-Modellen auf wissenschaftliche Genauigkeit, Strenge und Tiefe der Schlussfolgerung und identifizieren Sie subtile Fehler, die Nicht-Fachleute übersehen würden.
- Entwickeln Sie detaillierte Bewertungsraster und Referenzantworten, die in der Primärliteratur und etablierter Methodik fundiert sind.
- Bringen Sie Fachkenntnisse in Bereichen wie Molekülmodellierung und -simulation, Proteinstrukturvorhersage und -design, virtuelles Screening und Docking, QSAR/ADMET-Modellierung sowie Proteomik-/Metabolomik-Datenanalyse ein.
- Geben Sie klare schriftliche Erläuterungen Ihrer Schlussfolgerungen, sodass andere Expertinnen und Experten sie nachvollziehen und validieren können.
- Erfüllen Sie Qualitätsstandards durch iterative Feedback- und Peer-Review-Zyklen.
Erforderliche Qualifikationen (MUSS)
- PhD in Computational Chemistry, Strukturbiologie, Biophysik, Bioinformatik, Medizinischer Chemie, Biochemie oder einem eng verwandten Fachgebiet.
- Praktische Forschungserfahrung in einem akademischen oder industriellen Labor (Wetlab-Erfahrung ist von Vorteil).
- Berufliche schriftliche und mündliche Englischkenntnisse (C1 oder höher).
Bevorzugte Fähigkeiten
- Postdoktorale oder industrielle Forschungserfahrung (Pharma/Biotech) in Wirkstoffentdeckung oder Strukturbiologie.
- Starke Publikationsbilanz, insbesondere Erstautor-Publikationen in relevanten Fachzeitschriften.
- Molekülmodellierung und -simulation: GROMACS, AMBER, NAMD, OpenMM, Freie-Energie-Methoden (FEP/TI).
- Strukturvorhersage und -design: AlphaFold, Rosetta, Homologiemodellierung, Interpretation von Kryo-EM-/Röntgenkristallographie-Daten.
- Docking und virtuelles Screening: AutoDock, Glide, Schrödinger Suite, MOE.
- Cheminformatik: RDKit, QSAR/QSPR, ADMET-Vorhersage, Fingerprinting, Bibliotheksdesign.
- Proteomik und Metabolomik: LC-MS/MS, MaxQuant, DIA/DDA-Workflows, PTM-Analyse, ungerichtete Metabolomik.
- Programmierung: Python (in der Praxis erforderlich), außerdem R, Bash oder ähnliches; Erfahrung mit ML zur Vorhersage molekularer Eigenschaften (GNNs, generative Modelle) ist von Vorteil.
- Erfahrung mit Benchmarking, Modellbewertung oder wissenschaftlichem Schreiben/Reviewen.
- Fähigkeit, komplexe wissenschaftliche Konzepte schriftlich klar und präzise zu erklären.