Translational Biomarker Data Scientist (Multi-Omics) Mutterschaftsvertretung 80%

Hauptverantwortlichkeiten

• Anwendung etablierter und neuartiger Ansätze zur Modellierung multimodaler klinischer Daten, um Biomarker zur Vorhersage des Krankheitsverlaufs und des Ansprechens auf Behandlungen zu identifizieren und Hypothesen für neue therapeutische Zielstrukturen zu nominieren.
• Entwicklung und Anwendung eines Portfolios von präklinischen Modellen, die aus internen und öffentlichen Datensätzen abgeleitet wurden, um Abteilungsprojekte zu unterstützen.
• Enge Zusammenarbeit mit einem Kernteam aus Wissenschaftlern der translationalen Forschung und Data Science über Wet-Lab- und Dry-Lab-Disziplinen hinweg.
• Zusammenarbeit in interdisziplinären Teams zur Modellierung der Biologie und zur Förderung einer wirkungsvollen Entscheidungsfindung in der Wirkstoffforschung und frühen Entwicklung.
• Teilnahme an Kooperationen mit externen Partnern an führenden Gesundheitseinrichtungen, mit Möglichkeiten zur Veröffentlichung wissenschaftlicher Erkenntnisse.

Essenzielle Anforderungen

• Erfahrung in der Life-Science-Industrie bei der Modellierung biomedizinischer Forschungsdaten.
• Nachgewiesene Erfahrung in der Anwendung von Statistik und Datenmodellierung auf groß angelegte Life-Science-Datensätze.
• Praktische Erfahrung in der Integration von Multi-Omics-Daten (Genomik, Transkriptomik, Proteomik und Metabolomik), um zentrale wissenschaftliche Fragen zu beantworten und das Verständnis von Krankheiten voranzutreiben.
• Branchenerfahrung in der Arbeit mit klinischen Daten und der Gewährleistung deren verantwortungsvollem Umgang.
• Praktische Erfahrung in der Anwendung von KI- und Machine-Learning-Methoden auf wissenschaftliche oder R&D-Datensätze.
• Erfahrung im Einsatz von KI-Tools, einschließlich Large Language Models (LLMs) und agentischer Workflows, um Analysen und Entscheidungsfindungen zu beschleunigen.
• Kenntnisse in R und/oder Python sowie Kompetenz in der Arbeit in einer Linux-Umgebung.
• Starkes Engagement für reproduzierbare Forschung mit nachgewiesenen Fähigkeiten in der Visualisierung und Berichterstattung.
• Teamorientierte Denkweise mit einem praktischen, lösungsorientierten Ansatz.

Wünschenswerte Anforderungen

• Erfahrung in der Arbeit mit oder dem Fine-Tuning von Foundation Models in der Biologie, Chemie oder bei klinischen Daten.
• Engagement für die Adressierung ungedeckter Patientenbedürfnisse.
• Fähigkeit, die Arbeit an Abteilungsprioritäten und wissenschaftliche Ziele auszurichten.
• Exzellente schriftliche und mündliche Kommunikationsfähigkeiten.

j4id10450788jm j4it1043jm j4iy26jm