Scientist, Binding Kinetics

Adaptyv baut ein automatisiertes Labor auf, das es KI-Agenten ermöglicht, Biologieexperimente durchzuführen.

Wir treten in die Ära der agentischen Wissenschaft ein, in der KI-Modelle nun neuartige Proteine entwerfen, Hypothesen aufstellen und experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen – das ist nach wie vor ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die KI-Agenten Zugang zur physischen Welt verschafft.

Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, dem führende Biopharmas, wegweisende KI-Labs und die Techbio-Unternehmen, die das Feld vorantreiben, vertrauen. Dies ist eine seltene Chance, dazu beizutragen, einige der wichtigsten Arbeiten voranzutreiben, die heute in der Biotech stattfinden.

Unser automatisiertes Labor wird durch einen tiefen Software- + Hardware-Stack angetrieben: Laboinstrumente im Wert von Millionen USD, die mittels Reverse Engineering in API-steuerbare Hardware umgewandelt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Beobachtbarkeit von allem, was im Labor passiert, Processing-Pipelines für unordentliche Daten aus der physischen Welt und KI-Systeme, die Produktionsergebnisse Fehler analysieren und die Assay-Entwicklung beschleunigen.

Wir wachsen schnell und stellen talentierte Menschen ein, um die massive Nachfrage nach KI-gesteuerter Wet-Lab-Experimentation zu skalieren und zu unterstützen.

Über die Rolle

Unser Labor produziert Bindungsdaten schneller, als eine einzelne Person sie ansehen kann. Läufe kommen von den Gators und der Carterra, gehen durch unsere Processing-Pipeline und landen in einer Review-Queue. Jemand mit echtem Urteilsvermögen muss dann entscheiden: Ist diese Kurve echt? Ist das ein Fit-Artefakt oder ein echtes Zwei-Zustands-Bindungsereignis? Wird dieser Replikationslauf geliefert oder wird die Probe erneut gemessen? Diese Person sind Sie.

Die zweite Hälfte des Jobs besteht darin, mit dem Kunden darüber zu sprechen. Wenn ein Design-Team eine Platte zurückerhält und drei ihrer besten Vorhersagen wie Nicht-Binder aussehen, wollen sie mit jemandem sprechen, der erklären kann, warum: Referenzsubtraktion, Avidität, eine Off-Rate an der Grenze dessen, was das Instrument auflösen kann, oder einfach ein schlechtes Protein. Sie werden diese Person sein, im Call, während Sie Ihren Bildschirm teilen und Sensorgramme durchgehen.

Dies ist eine Rolle für einen Wissenschaftler, der sehr gut in Kinetik ist und auch Menschen mag. Wenn Sie das eine mögen, aber nicht das andere, werden Sie hier unglücklich sein.

Was Sie tun werden

• Überprüfen der Bindungsdaten, die aus dem Labor kommen. Jeder SPR- und BLI-Lauf durchläuft unsere Processing-Pipeline und dann die menschliche Überprüfung, und Sie sind das Expertenauge auf dem Output. Sie entscheiden, was geliefert, was markiert und was erneut gemessen wird.
• Beurteilen der Kurven, nicht nur der Zahlen. Ein sauber aussehendes Kd bei einem schlechten Fit ist schlimmer als gar keine Zahl. Sie kennen den Unterschied zwischen einer echten Off-Rate und einer driftenden Baseline und können erklären, warum.
• Überprüfen Sie auch Daten aus unseren anderen Assays: Thermostabilität, Expression, Developability, Enzymaktivität. Bindung ist der Kern der Rolle, aber nicht alles.
• Sprechen Sie mit Kunden über ihre Ergebnisse. Durchgehen der Lieferergebnisse, Folgefragen und das unangenehme Gespräch, wenn die Daten nicht das sagen, was sie gehofft hatten. Sie erklären, was wir gemessen haben, wie sicher wir sind und was als Nächstes zu tun ist.
• Verwandeln Sie die Überprüfung in experimentelles Design. Wenn etwas ein Re-Run benötigt, entscheiden Sie, was geändert wird: Orientierung, Regeneration, Konzentrationsreihe oder ein Wechsel von BLI zu SPR für die Sensitivität.
• Analysieren Sie auf Batch-Ebene, nicht nur auf Proben-Ebene. Bei Hunderten von Ergebnissen pro Experiment sollten Sie ein Skript schreiben, um das Muster zu finden, anstatt sich durch eine Queue zu klicken. Systematischer Drift, ein schlechter Referenzkanal oder eine Target-Charge, die sich anders verhält als die letzte, zeigt sich in der Summe lange bevor er sich in einer einzelnen Kurve zeigt.
• Geben Sie das Gelernte an die Pipeline zurück. Wenn Sie einen Fall entdecken, in dem die Automatisierung etwas durchgelassen hat, das sie nicht hätte, oder etwas fehlschlagen ließ, das sie nicht hätte, wird dies zu einer konkreten Anforderung für das Software-Team.
• Arbeiten Sie eng mit der Produktion (was tatsächlich im Labor passiert ist), QC (systematische Qualität) und Customer Success (die Beziehung rund um die Wissenschaft) zusammen.

Was wir suchen

• MSc / PhD in Biochemie, Biophysik oder einem relevanten Bereich, plus 3+ Jahre praktische Erfahrung mit Bindungskinetik.
• Tiefe SPR- und BLI-Erfahrung. Biacore, Carterra, Octet, Gator: Die Plattform ist weniger wichtig als die Tatsache, dass Sie diese Assays durchgeführt, Fehler darin analysiert und viele Daten daraus interpretiert haben. Sie haben genug Sensorgramme gesehen, um sofort zu wissen, wenn eines Sie anlügt.
• Echtes Urteilsvermögen beim Fitting. 1:1 vs. bivalent, wann Steady-State angemessen ist und wann nicht, wie Massentransport und Avidität ein Ergebnis verzerren. Sie können ein Kd verteidigen oder sich weigern, eines zu melden.
• Starke Datenanalysefähigkeiten. Python oder R, genug, um ein paar hundert Ergebnisse aus einer Datenbank zu ziehen, sie zu fitten, zu plotten und Ausreißer zu finden. Diese Rolle generiert zu viele Daten, um sie von Hand zu überprüfen.
• Sie nutzen KI-Tools ernsthaft. Wir arbeiten intern mit Claude Code und ähnlichen Tools, und die Menschen, die hier am meisten erreichen, sind diejenigen, die standardmäßig darauf zurückgreifen: das Analyse-Skript schreiben, die Datenbank abfragen, das einmalige Dashboard erstellen. Sie müssen das nicht schon einmal gemacht haben, aber Sie müssen es wollen. Wenn Ihr Instinkt ist, dass ech