Post Doctorate Scientist

Bei Roche können Sie Sie selbst sein und werden für die einzigartigen Qualitäten geschätzt, die Sie einbringen. Unsere Kultur fördert den persönlichen Ausdruck, den offenen Dialog und echte Verbindungen, in denen Sie für das, was Sie sind, geschätzt, akzeptiert und respektiert werden, was es Ihnen ermöglicht, sich sowohl persönlich als auch beruflich zu entfalten. So wollen wir Krankheiten vorbeugen, stoppen und heilen und sicherstellen, dass jeder heute und für kommende Generationen Zugang zu einer Gesundheitsversorgung hat. Kommen Sie zu Roche, wo jede Stimme zählt.

Die Position
Die ML for Biosystems Engineering Gruppe unter der Leitung von Jonas Fleck am Institute of Human Biology (IHB) in Basel, Schweiz, sucht einen Postdoctoral Researcher zur Entwicklung von Machine-Learning-Methoden für das Organoid-Phenotyping und High-Throughput-Screening. Schliessen Sie sich uns an, um computergestützte Methoden der nächsten Generation für die Arzneimittelforschung mit komplexen menschlichen Modellsystemen zu entwickeln.

Die Chance
Sie werden ein Forschungsprojekt leiten, das computergestützte Methoden entwickelt, um wichtige Herausforderungen im Bereich Organoid Engineering und Arzneimittelforschung anzugehen. In einem hochgradig kollaborativen Umfeld mit herausragenden computergestützten und experimentellen Wissenschaftlern werden Sie modernste statistische und Machine-Learning-Methoden entwickeln, um anspruchsvolle Fragen der Humanbiologie und Krankheiten zu adressieren.
Sie werden die Möglichkeit haben, mit reichhaltigen High-Content-Datensätzen aus komplexen menschlichen Modellsystemen zu arbeiten, wie z. B. groß angelegten Perturbations-Experimenten mit multimodalen Readouts. In Zusammenarbeit mit experimentellen Wissenschaftlern am IHB werden Sie zudem die Möglichkeit haben, zukünftige Experimente mitzugestalten, was es Ihnen ermöglicht, Methoden mit direktem translationalem Einfluss zu entwickeln.

Mögliche Forschungsbereiche können beinhalten:
Kausale Inferenz und Mechanismen-Entdeckung aus Perturbations-Experimenten
Prädiktive Modellierung und Analyse für High-Throughput-Screening
Computergestützte Methoden für den quantitativen Vergleich von räumlichen, genomischen und anderen molekularen Profilen aus Organoid-Modellen mit Patientendaten.

Ihre Arbeit wird computergestützte Innovation mit experimentellen Anwendungen verbinden und zur Entwicklung von computergestützten Modellsystemen der nächsten Generation für den Menschen in der Arzneimittelforschung beitragen. Sie werden Ihre Forschung veröffentlichen, Open-Source-Tools der breiteren wissenschaftlichen Gemeinschaft zur Verfügung stellen und Einblicke in die Arzneimittelforschung und -entwicklung gewinnen, während Sie Ihre wissenschaftliche Unabhängigkeit als computergestützter Forscher aufbauen.

Wer Sie sind:
PhD in Computational Biology, Informatik, Machine Learning, Bioinformatik oder verwandten technischen Bereichen.
Nachweisbare Erfolge in der Durchführung wirkungsvoller unabhängiger Forschung, demonstriert durch Publikationen, Preprints oder wesentliche Beiträge zu Forschungssoftware.
Starke Forschungserfahrung in statistischen oder Machine-Learning-Methoden, idealerweise angewendet auf Genomik oder andere hochdimensionale biologische Daten.
Beherrschung von Python und Erfahrung mit modernen ML- und Scientific-Computing-Frameworks wie JAX, PyTorch oder TensorFlow.
Starke wissenschaftliche Programmier- und Software Engineering-Praktiken, einschliesslich Versionskontrolle, Tests, reproduzierbare Forschungs-Workflows und agentische Entwicklungstools.
Kreativität, wissenschaftliche Neugier und Begeisterung für die Entwicklung computergestützter Methoden, die anspruchsvolle Probleme in der biomedizinischen Forschung lösen.
Fähigkeit und Motivation, eng mit experimentellen Wissenschaftlern zusammenzuarbeiten und zu kollaborativen, interdisziplinären Projekten beizutragen.

Nice to have:
Erfahrung in der Anwendung von Machine Learning auf biomedizinische Daten, einschliesslich Genomik, Bildgebung, räumlichen oder multimodalen Datensätzen.
Erfahrung mit Perturbations-Experimenten, kausaler Inferenz, High-Throughput-Screening oder prädiktiver Modellierung.
Beiträge zu Open-Source-Software oder wissenschaftlichen Computing-Tools.
Erfahrung in der engen Zusammenarbeit mit experimentellen Kollaborateuren.

Technische Details:
Um berücksichtigt zu werden, muss Ihre Bewerbung einen CV (einschliesslich einer Liste relevanter Publikationen) und ein Anschreiben enthalten, das Ihre Forschungsinteressen beschreibt.

Über das Institute of Human Biology (IHB) & Basel:
Das Institute of Human Biology (IHB) ist ein Forschungszentrum in Basel, Schweiz, das sich der Entwicklung fortschrittlicher menschlicher Modellsysteme für die Arzneimittelforschung, -entwicklung und Präzisionsmedizin widmet. Das IHB fördert ein interdisziplinäres Umfeld, das akademische und pharmazeutische Forschung verbindet und Biologen, Ingenieure und Datenwissenschaftler zusammenbringt. Es besteht eine enge Verbindung zur Pharmaceutical Research and Early Development (pRED) Organisation von Roche und Genentech (gRED) sowie Kooperationen mit führenden akademischen Institutionen einschliesslich ETH Zürich, University of Basel und EPFL sowie auf globaler Ebene. Basel ist ein internationaler Hub für Forschung und Innovation, der durch Institutionen wie die University of Basel und das Department of Biosystems Science and Engineering der ETH Zürich Lernumgebungen schafft und einen Schmelztiegel für Forschungsentwicklung und Kommerzialisierung bildet.

Wir freuen uns auf Ihre Bewerbung!

Wer wir sind
Eine gesündere Zukunft treibt uns an, innovativ zu sein. Gemeinsam widmen sich mehr als 100-000 Mitarbeitende weltweit der Förderung der Wissenschaft, um sicherzustellen, dass jeder heute und für kommende Generationen Zugang zu einer Gesundheitsversorgung hat. Unsere Bemühungen führen dazu, dass mehr als 26 Millionen Menschen mit unseren Medikamenten behandelt werden und über 30 Milliard