Intern, Protein Design

Adaptyv baut ein automatisiertes Labor auf, das es AI-Agenten ermöglicht, Biologie-Experimente durchzuführen. Wir treten in die Ära der agentischen Wissenschaft ein, in der AI-Modelle nun neuartige Proteine entwerfen, Hypothesen vorschlagen und über experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen – das ist immer noch ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die AI-Agenten Zugang zur physischen Welt verschafft. Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, dem führende Biopharmas, Frontier AI 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 Biotechnologie stattfinden. Unser automatisiertes Labor wird durch einen tiefen Software- + Hardware-Stack angetrieben: Labormessgeräte im Wert von Millionen USD, die per Reverse-Engineering in API-steuerbare Hardware umgewandelt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Beobachtbarkeit (Observability) von allem, was im Labor passiert, Verarbeitungspipelines für unstrukturierte Daten der physischen Welt und AI-Systeme, die Produktionsergebnisse Fehler analysieren (troubleshoot) und die Assay-Entwicklung beschleunigen. Wir wachsen schnell und stellen talentierte Menschen ein, um die massive Nachfrage nach KI-gesteuerter Wet-Lab-Experimentierung zu skalieren und zu unterstützen. VERANTWORTUNGEN - Durchführung und Benchmarking von Open-Source-Proteindesign-Methoden an echten Adaptyv-Targets, validiert gegen experimentelle Daten aus unserem Wet Lab. - Design von Bindern für interne R&D-Kampagnen und Verfolgung der experimentellen Leistung in Bezug auf Erfolgsrate, Hit-Rate, Kinetik und Developability. - Aufbau von computergestützten Tools rund um die Design-Pipeline: Strukturvorhersage, Filterung und Ranking, um große Design-Pools auf Kandidaten für Synthese und Charakterisierung zu triagieren. - Unterstützung der technischen Seite unserer offenen Wettbewerbe und Hackathons: Entwurf von Track-Briefings, Unterstützung der Teilnehmer, Bewertung von Einreichungen und Aufbereitung der Ergebnisse. - Beitrag von Open Data, Blog-Posts, Designer-Spotlights und Methodenvergleichen zu Proteinbase. QUALIFIKATIONEN - Derzeit eingeschrieben in einem Master-, PhD- oder letzten Studienjahr eines Bachelor-Programms in Computational Biology, Machine Learning, Biochemie, Biophysik, Bioengineering oder einem verwandten Bereich. - Praktische Erfahrung mit mindestens einer modernen Open-Source-Proteindesign-Methode. - Starke Python- und PyTorch-Kenntnisse. Sicherer Umgang mit biologischen Datenformaten. - Ein praktisches Verständnis von Bindungskinetik und Developability, das über in silico Metriken hinausgeht, mit einer gesunden Skepsis gegenüber computergestützten Scores als Ground Truth. - Bonus: vorherige Open-Source-Beiträge zu einem Proteindesign-Repository, eine starke Leistung in einem öffentlichen Designwettbewerb oder ein veröffentlichter Blog-Post oder ein Paper. Dauer: 3-6 Monate. Bezahlt. Standort: Remote oder vor Ort in Lausanne. Lausanne wird bevorzugt, wenn Sie Zugang zum Labor und die volle Design-Build-Test-Learn-Erfahrung wünschen. Bewerbungsfrist Wir prüfen die Bewerber laufend. Bitte fügen Sie einen Link zu einem GitHub-Repository, einer Wettbewerbseinreichung, einem Blog-Post oder einer anderen konkreten Arbeit bei, die Ihren Ansatz zum Proteindesign demonstriert. Bewerbungsfrist Wir prüfen die Bewerber laufend.