Scientist, Binding Kinetics

Adaptyv construit un laboratoire automatisé qui permet à des agents IA de mener des expériences de biologie.

Nous entrons dans l'ère de la science agentique où les modèles d'IA peuvent désormais concevoir de nouvelles protéines, proposer des hypothèses et itérer sur les résultats expérimentaux. Mais ils ne peuvent pas mener les expériences eux-mêmes - c'est encore un processus manuel de plusieurs mois. Nous construisons l'infrastructure qui donne aux agents IA l'accès au monde physique.

Nous sommes l'une des entreprises de biotechnologie à la croissance la plus rapide, bénéficiant de la confiance de biopharmas de premier plan, de laboratoires d'IA de pointe et des entreprises de techbio qui font progresser le domaine. C'est une chance rare de contribuer à l'avancement de certains des travaux les plus importants de la biotechnologie aujourd'hui.

Notre laboratoire automatisé est alimenté par une pile logicielle + matérielle profonde : des instruments de laboratoire valant des millions de USD rétro-conçus en matériel contrôlable par API, des dizaines de dispositifs orchestrés via des flux de travail complexes, une observabilité complète de tout ce qui se passe dans le laboratoire, des pipelines de traitement pour les données désordonnées du monde physique, et des systèmes d'IA qui dépannent les résultats de production et accélèrent le développement d'essais.

Nous nous développons rapidement et recrutons des personnes talentueuses pour passer à l'échelle et soutenir la demande massive d'expérimentations de laboratoire humide pilotées par l'IA.

À propos du rôle

Notre laboratoire produit des données de liaison plus rapidement que n'importe quelle personne ne peut les examiner. Les runs sortent des Gators et du Carterra, passent par notre pipeline de traitement et arrivent dans une file d'attente de révision. Quelqu'un doté d'un vrai jugement doit alors décider : cette courbe est-elle réelle ? S'agit-il d'un artefact d'ajustement ou d'un véritable événement de liaison à deux états ? Ce réplicat est-il livré, ou l'échantillon doit-il être ré-analysé ? Cette personne, c'est vous.

La seconde moitié du travail consiste à en parler au client. Lorsqu'une équipe de conception reçoit une plaque et que trois de leurs meilleures prédictions ressemblent à des non-liants, ils veulent parler à quelqu'un qui peut expliquer pourquoi : soustraction de référence, avidité, un taux de dissociation (off-rate) à la limite de la résolution de l'instrument, ou simplement une mauvaise protéine. Vous serez cette personne, en appel, partageant votre écran, parcourant les sensorigrammes.

C'est un rôle pour un scientifique qui est très bon en cinétique et qui aime aussi les gens. Si vous aimez l'un mais pas l'autre, vous serez malheureux ici.

Ce que vous ferez

• Examiner les données de liaison issues du laboratoire. Chaque run SPR et BLI passe par notre pipeline de traitement puis par une révision humaine, et vous êtes l'œil expert sur le résultat. Vous décidez de ce qui est livré, de ce qui est signalé et de ce qui est ré-analysé.
• Juger les courbes, pas seulement les chiffres. Un Kd d'apparence propre sur un mauvais ajustement est pire que l'absence totale de chiffre. Vous connaissez la différence entre un vrai taux de dissociation et une dérive de la ligne de base, et vous pouvez expliquer pourquoi.
• Examiner également les données de nos autres essais : thermostabilité, expression, développabilité, activité enzymatique. La liaison est le cœur du rôle mais elle n'est pas l'unique composante.
• Parler aux clients de leurs résultats. Présentations détaillées des livrables, questions de suivi, et la conversation embarrassante lorsque les données ne disent pas ce qu'ils espéraient. Vous expliquez ce que nous avons mesuré, notre niveau de confiance et la marche à suivre.
• Transformer la révision en conception expérimentale. Lorsqu'un ré-run est nécessaire, vous décidez de ce qui change : orientation, régénération, série de concentrations, ou un passage du BLI au SPR pour la sensibilité.
• Analyser au niveau du lot, pas seulement au niveau de l'échantillon. Avec des centaines de résultats par expérience, vous devriez écrire un script pour trouver le modèle plutôt que de cliquer à travers une file d'attente. Une dérive systématique, un mauvais canal de référence ou un lot de cible se comportant différemment du précédent apparaît de manière agrégée bien avant d'apparaître dans une courbe individuelle.
• Réinjecter ce que vous apprenez dans le pipeline. Lorsque vous détectez un cas où l'automatisation a laissé passer quelque chose qu'elle n'aurait pas dû, ou a échoué sur quelque chose qu'elle aurait dû réussir, cela devient une exigence concrète pour l'équipe logicielle.
• Travailler en étroite collaboration avec la production (ce qui s'est réellement passé au laboratoire), le QC (qualité systématique) et le customer success (la relation autour de la science).

Ce que nous recherchons

• MSc / PhD en biochimie, biophysique ou dans un domaine pertinent, plus 3+ ans d'expérience pratique en cinétique de liaison.
• Expérience approfondie en SPR et BLI. Biacore, Carterra, Octet, Gator : la plateforme importe moins que le fait que vous ayez réalisé ces essais, les a dépannés et interprété beaucoup de données à partir d'eux. Vous avez vu assez de sensorigrammes pour savoir immédiatement quand l'un d'eux vous ment.
• Réel jugement en matière d'ajustement (fitting). 1:1 vs bivalent, quand l'état d'équilibre est approprié ou non, comment le transport de masse et l'avidité déforment un résultat. Vous pouvez défendre un Kd, ou refuser d'en rapporter un.
• Fortes compétences en analyse de données. Python ou R, assez pour extraire quelques centaines de résultats d'une base de données, les ajuster, les tracer et trouver les valeurs aberrantes. Ce rôle génère trop de données pour être révisé à la main.
• Vous utilisez les outils d'IA sérieusement. Nous fonctionnons avec Claude Code et des outils similaires en interne, et les pe