Data Scientist, Lab & Protein Data

Adaptyv sta costruendo un laboratorio automatizzato che consente agli agenti AI di condurre esperimenti di biologia.

Stiamo entrando nell'era della scienza agentica in cui i modelli AI possono ora progettare nuove proteine, proporre ipotesi e iterare sui risultati sperimentali. Ma non possono eseguire gli esperimenti da soli - questo è ancora un processo manuale che dura mesi. Stiamo costruendo l'infrastruttura che dà agli agenti AI l'accesso al mondo fisico.

Siamo una delle aziende biotech a più rapida crescita, di cui si fidano le principali biopharma, i frontier AI labs e le aziende techbio che spingono il settore in avanti. Questa è una rara opportunità per aiutare ad avanzare alcuni dei lavori più importanti che si stanno svolgendo oggi nel settore biotech.

Il nostro laboratorio automatizzato è alimentato da un profondo stack software + hardware: strumenti di laboratorio del valore di milioni di USD sottoposti a reverse engineering in hardware controllabile tramite API, decine di dispositivi orchestrati attraverso flussi di lavoro complessi, osservabilità completa su tutto ciò che accade nel laboratorio, pipeline di elaborazione per dati disordinati del mondo fisico e sistemi AI che risolvono i problemi dei risultati di produzione e accelerano lo sviluppo di saggi.

Stiamo crescendo rapidamente e stiamo assumendo persone di talento per scalare e supportare la massiccia domanda di sperimentazione in wet lab guidata dall'AI.

Informazioni sul Ruolo

Costruirai lo strato di data science della fonderia di Adaptyv — il lavoro che trasforma decine di migliaia di letture sperimentali grezze e disordinate in dati puliti, affidabili e strutturati su cui i nostri clienti, i nostri modelli e i nostri stessi scienziati possono fare affidamento. Saggi di legame (BLI/SPR), sviluppabilità, biofisici e funzionali producono tutti dati su larga scala; il tuo compito è rendere quei dati corretti, comparabili e utili.

Questo ruolo si colloca all'intersezione di tre cose: qualità dei dati (questo numero è reale o un artefatto?), bioinformatica (collegare i risultati sperimentali alla sequenza, alla struttura e alla progettazione proteica) e creazione di dataset (trasformare l'output della fonderia nel tipo di dati di alta qualità e confrontabili che i frontier AI labs desiderano realmente). Lavorerai fianco a fianco con gli scienziati di laboratorio che eseguono i saggi, il team software che gestisce le pipeline e i clienti che addestrano i modelli su ciò che produciamo. Questo è un ruolo di costruzione pratica, non di gestione.

Cosa Farai

• Gestirai la logica scientifica della qualità dei dati in tutta la fonderia: definire cosa costituisce un "dato di qualità" per ogni tipo di saggio — intervalli di segnale attesi, soglie di controllo, modalità di errore, casi limite — e trasformarlo in controlli automatizzati.
• Costruirai modelli di rilevamento delle anomalie e di QC che catturino i dati errati che l'occhio umano perderebbe: deriva del saggio, variabilità dello strumento, effetti piastra, falsi positivi e falsi negativi — e distinguerai statisticamente il segnale reale dal rumore.
• Lavorerai con i team software e ML per specificare, revisionare e migliorare le pipeline di dati automatizzate che elaborano gli output degli strumenti, fornendo requisiti precisi su cosa segnalare, rifiutare automaticamente o instradare alla revisione umana.
• Collegherai i risultati sperimentali alla parte proteica — sequenza, struttura e progettazione — in modo che i dati del wet-lab e i modelli computazionali si rafforzino a vicenda.
• Trasformerai l'output della fonderia in dataset strutturati, documentati e di livello benchmark che siano un vero asset per i nostri clienti e per l'addestramento e la valutazione dei modelli di progettazione proteica.
• Applicherai un reale rigore statistico ai dati multi-condizione su larga scala — migliaia di campioni attraverso centinaia di esperimenti simultanei — e renderai i risultati interpretabili e comparabili tra le diverse sessioni.

Cosa Cerchiamo

• Solida esperienza in data science / bioinformatica — sei fluente in Python (pandas, numpy, lo stack scientifico) e ti senti a tuo agio nel gestire dati sperimentali disordinati del mondo reale end-to-end.
• Autentica base biologica — comprendi le proteine, i saggi e la sequenza/struttura/funzione abbastanza bene da sapere cosa significano i dati, non solo come elaborarli. Non devi essere uno scienziato da banco, ma non puoi essere cieco alla biologia.
• Maturità statistica — controllo di processo, rilevamento delle anomalie, gestione della variabilità e degli effetti batch; sai distinguere la deriva dal rumore e difendere la tua analisi.
• Costruttore prolifico con le prove per dimostrarlo. Hai rilasciato molto — pipeline, strumenti, modelli, dataset — e puoi indicare cose concrete che hai costruito end-to-end e messo in uso reale, non prototipi morti in un notebook. Ti muovi velocemente, sistemi ciò che funziona e non hai pazienza per monitorare un dashboard fisso.
• Costruttore AI-native. È il 2026 — costruisci con agenti di codifica come Claude Code come impostazione predefinita e hai un giudizio acuto su ciò che producono.
• Interdisciplinare per istinto. Ti dà energia lavorare tra il banco di laboratorio, il software e il ML, e tratti l'automazione e l'infrastruttura dati come parte del tuo lavoro.
• Bonus: esperienza con dati proteina/sequenza-struttura (strumenti bioinformatici, dati strutturali), ML su dati sperimentali o creazione di dataset per l'addestramento e il benchmarking dei modelli.

Dettagli

• Posizione: Lausanne, Switzerland (in sede)
• Tipo: Full time
• Data di inizio: ASAP

Scadenza per la candidatura

Stiamo esaminando i candidati in modo continuo.