Binding Kinetics Scientist (SPR & BLI)

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 immer noch 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, bahnbrechende KI-Labs und die Techbio-Unternehmen, die das Feld vorantreiben, vertrauen. Dies ist eine seltene Chance, einen Beitrag zu einigen der wichtigsten Arbeiten zu leisten, die heute in der Biotechnologie stattfinden. Unser automatisiertes Labor wird durch einen tiefen Software- + Hardware-Stack angetrieben: Laboinstrumente 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 von allem, was im Labor passiert, Verarbeitungspipelines für unstrukturierte Daten 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-Experimentierung 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, durchlaufen unsere Verarbeitungspipeline 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 dieses Replikat geliefert oder wird die Probe erneut gemessen? Diese Person bist du. 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. Du wirst diese Person sein, in dem Call, den Bildschirm teilen und Sensorgramme durchgehen. Dies ist eine Rolle für einen Wissenschaftler, der sehr gut in Kinetik ist und auch Menschen mag. Wenn du das eine magst, aber nicht das andere, wirst du hier unglücklich sein. Wir würden dich lieber mit uns in Lausanne haben. Vieles des Urteilsvermögens in diesem Job ergibt sich daraus, zum Instrument gehen und fragen zu können, was tatsächlich passiert ist. Aber wir werden nicht die richtige Person deshalb verlieren, daher funktioniert Remote oder Hybrid, wenn du eindeutig die richtige Besetzung bist. WAS DU TUN WIRST - Überprüfe die aus dem Labor kommenden Bindungsdaten. Jeder SPR- und BLI-Lauf durchläuft unsere Verarbeitungspipeline und dann die menschliche Überprüfung, und du bist das Expertenauge auf dem Output. Du entscheidest, was geliefert, was markiert und was erneut gemessen wird. - Beurteile die Kurven, nicht nur die Zahlen. Ein sauber aussehendes Kd bei einem schlechten Fit ist schlimmer als gar keine Zahl. Du kennst den Unterschied zwischen einer echten Off-Rate und einer driftenden Baseline und kannst sagen, warum. - Überprüfe auch Daten von unseren anderen Assays: Thermostabilität, Expression, Developability, Enzymaktivität. Die Bindung ist der Kern der Rolle, aber nicht alles. - Sprich mit Kunden über ihre Ergebnisse. Durchgehen von Ergebnissen, Follow-up-Fragen und das unangenehme Gespräch, wenn die Daten nicht das sagen, was sie gehofft haben. Du erklärst, was wir gemessen haben, wie sicher wir sind und was als Nächstes zu tun ist. - Überführe Reviews in das experimentelle Design. Wenn etwas ein Re-Run benötigt, entscheidest du, was geändert wird: Orientierung, Regeneration, Konzentrationsreihe oder ein Wechsel von BLI zu SPR für die Sensitivität. - Analysiere auf Batch-Ebene, nicht nur auf Proben-Ebene. Bei Hunderten von Ergebnissen pro Experiment solltest du ein Skript schreiben, um das Muster zu finden, anstatt dich durch eine Queue zu klicken. Systematischer Drift, ein schlechter Referenzkanal oder ein Target-Lot, das sich anders verhält als das letzte, zeigt sich in der Gesamtheit lange bevor es in einer einzelnen Kurve auftaucht. - Gib das, was du lernst, an die Pipeline zurück. Wenn du einen Fall entdeckst, 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. - Arbeite 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 oder PhD in Biochemie, Biophysik oder einem verwandten 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 du diese Assays durchgeführt, Fehler darin behoben und viele Daten daraus interpretiert hast. Du hast genug Sensorgramme gesehen, um sofort zu wissen, wenn eines dich anlügt. - Echtes Urteilsvermögen beim Fitting. 1:1 vs. bivalent, wann Steady-State angemessen ist und wann nicht, wie Massentransport und Avidität ein Ergebnis verzerren. Du kannst ein Kd verteidigen oder dich weigern, eines zu berichten. - Starke Datenanalysefähigkeiten. Python oder R, genug um ein paar hundert Ergebnisse aus einer Datenbank zu ziehen, sie zu fitten, zu plotten und die Ausreißer zu finden. Diese Rolle generiert zu viele Daten, um sie von Hand zu überprüfen. - Du nutzt KI-Tools ernsthaft. Wir arbeiten intern mit Claude Code und ähnlichen Tools, und die