Acerca del puesto
Título del puesto: Científico en química computacional, biología estructural y descubrimiento de fármacos (doctorado)
Tipo de puesto: Contratista
Ubicación: Remoto (en todo el mundo)
Resumen del puesto: En este puesto, aplicará su experiencia para ayudar a entrenar la próxima generación de sistemas de IA. Su trabajo influirá en cómo los modelos aprenden, razonan y se desempeñan mediante aportaciones reales y de alta calidad.
Responsabilidades principales
- Diseñar y redactar problemas científicos desafiantes y de nivel experto en química computacional, biología estructural y descubrimiento de fármacos, con soluciones claras y verificables.
- Revisar y evaluar los resultados de los modelos de IA en cuanto a su exactitud científica, rigor y profundidad de razonamiento, identificando errores sutiles que pasarían desapercibidos para quienes no son especialistas.
- Elaborar rúbricas detalladas y respuestas de referencia fundamentadas en la literatura primaria y en la metodología establecida.
- Aplicar la experiencia del área en ámbitos como el modelado y la simulación molecular, la predicción y el diseño de estructuras de proteínas, el cribado virtual y el acoplamiento (docking), el modelado QSAR/ADMET y el análisis de datos de proteómica/metabolómica.
- Proporcionar explicaciones escritas claras de su razonamiento, para que otros expertos puedan seguirlo y validarlo.
- Cumplir los estándares de calidad mediante ciclos iterativos de comentarios y revisión por pares.
Cualificaciones requeridas (OBLIGATORIAS)
- Doctorado en Química Computacional, Biología Estructural, Biofísica, Bioinformática, Química Médica, Bioquímica o un campo estrechamente relacionado.
- Experiencia práctica de investigación en un laboratorio académico o industrial (se valora la experiencia en laboratorio húmedo, o wetlab).
- Inglés profesional escrito y hablado (C1 o superior).
Habilidades preferidas
- Experiencia posdoctoral o de investigación en la industria (farmacéutica/biotecnología) en descubrimiento de fármacos o biología estructural.
- Sólido historial de publicaciones, en particular artículos como primer autor en revistas relevantes.
- Modelado y simulación molecular: GROMACS, AMBER, NAMD, OpenMM, métodos de energía libre (FEP/TI).
- Predicción y diseño de estructuras: AlphaFold, Rosetta, modelado por homología, interpretación de datos de crio-EM / cristalografía de rayos X.
- Acoplamiento (docking) y cribado virtual: AutoDock, Glide, Schrödinger Suite, MOE.
- Quimioinformática: RDKit, QSAR/QSPR, predicción ADMET, huellas moleculares (fingerprinting), diseño de bibliotecas.
- Proteómica y metabolómica: LC-MS/MS, MaxQuant, flujos de trabajo DIA/DDA, análisis de PTM, metabolómica no dirigida.
- Programación: Python (necesario en la práctica), además de R, Bash o similar; se valora la experiencia con aprendizaje automático para la predicción de propiedades moleculares (GNN, modelos generativos).
- Experiencia en evaluación comparativa (benchmarking), evaluación de modelos o redacción/revisión científica.
- Capacidad para explicar conceptos científicos complejos con claridad y precisión por escrito.