Binding Kinetics Scientist (SPR & BLI)

Adaptyv sta costruendo un laboratorio automatizzato che permette ad agenti AI di eseguire 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 fornisce agli agenti AI l'accesso al mondo fisico. Siamo una delle aziende biotech in più rapida crescita, di cui si fidano le principali biopharma, i laboratori AI d'avanguardia 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 che valgono milioni di USD sottoposti a reverse-engineering in hardware controllabile tramite API, dozzine di dispositivi orchestrati attraverso flussi di lavoro complessi, piena osservabilità su tutto ciò che accade nel laboratorio, pipeline di elaborazione per dati disordinati del mondo fisico e sistemi AI che risolvono problemi nei risultati di produzione e accelerano lo sviluppo di saggi. Stiamo crescendo rapidamente e stiamo assumendo persone talentuose per scalare e supportare la massiccia domanda di sperimentazione wet lab guidata dall'AI. SOBRE IL RUOLO Il nostro laboratorio produce dati di legame più velocemente di quanto una singola persona possa esaminarli. Le analisi escono dai Gator e dai Carterra, passano attraverso la nostra pipeline di elaborazione e arrivano in una coda di revisione. Qualcuno con un vero senso critico deve quindi decidere: questa curva è reale? Si tratta di un artefatto di fitting o di un autentico evento di legame a due stati? Questo replicato deve essere consegnato o il campione deve essere rieseguito? Quella persona sei tu. La seconda metà del lavoro consiste nel parlarne con il cliente. Quando un team di progettazione riceve una piastra e tre delle loro migliori previsioni sembrano non-leganti, vogliono parlare con qualcuno che possa spiegare il perché: sottrazione del riferimento, avidità, un off-rate al limite della risoluzione dello strumento, o semplicemente una cattiva proteina. Sarai tu quella persona, durante la chiamata, condividendo lo schermo e analizzando i sensorgrafmi. Questo è un ruolo per uno scienziato che è molto bravo nella cinetica e che ama anche le persone. Se ne ami uno ma non l'altro, sarai infelice qui. Preferiremmo averti con noi a Lausanne. Gran parte del giudizio in questo lavoro deriva dalla possibilità di avvicinarsi allo strumento e chiedere cosa sia successo realmente. Ma non perderemo la persona giusta per questo, quindi il lavoro remoto o ibrido va bene se sei chiaramente la persona giusta. COSA FARAI - Revisionare i dati di legame provenienti dal laboratorio. Ogni esecuzione SPR e BLI passa attraverso la nostra pipeline di elaborazione e poi alla revisione umana, e tu sarai l'occhio esperto sui risultati. Deciderai cosa viene consegnato, cosa viene segnalato e cosa viene rieseguito. - Giudicare le curve, non solo i numeri. Un Kd dall'aspetto pulito su un bad fit è peggio di nessun numero affatto. Conosci la differenza tra un vero off-rate e una deriva della linea di base, e puoi spiegare il perché. - Revisionare anche i dati dei nostri altri saggi: termostabilità, espressione, sviluppabilità, attività enzimatica. Il legame è il cuore del ruolo, ma non è tutto. - Parlare con i clienti dei loro risultati. Spiegare i deliverable, porre domande di follow-up e gestire la conversazione imbarazzante quando i dati non dicono ciò che speravano. Spiegherai cosa abbiamo misurato, quanto siamo sicuri e cosa fare dopo. - Trasformare la revisione in progettazione sperimentale. Quando qualcosa deve essere rieseguito, decidi cosa cambiare: orientamento, rigenerazione, serie di concentrazione o il passaggio da BLI a SPR per la sensibilità. - Analizzare a livello di batch, non solo a livello di campione. Con centinaia di risultati per esperimento, dovresti scrivere uno script per trovare il pattern piuttosto che cliccare attraverso una coda. Una deriva sistematica, un canale di riferimento errato o un lotto di target che si comporta diversamente dall'ultimo si manifestano in modo aggregato molto prima di apparire in una singola curva. - Reintegrare ciò che impari nella pipeline. Quando individui un caso in cui l'automazione ha approvato qualcosa che non avrebbe dovuto, o ha fallito qualcosa che non avrebbe dovuto, questo diventa un requisito concreto per il team software. - Lavorare a stretto contatto con la produzione (cosa è accaduto realmente in laboratorio), QC (qualità sistematica) e customer success (la relazione attorno alla scienza). COSA STIAMO CERCANDO - MSc o PhD in biochimica, biofisica o un campo correlato, più oltre 3 anni di esperienza pratica con la cinetica di legame. - Profonda esperienza in SPR e BLI. Biacore, Carterra, Octet, Gator: la piattaforma conta meno del fatto che tu abbia eseguito questi saggi, risolto i loro problemi e interpretato molti dati derivanti da essi. Hai visto abbastanza sensorgrafmi da sapere immediatamente quando uno ti sta mentendo. - Vero giudizio di fitting. 1:1 vs bivalente, quando lo steady-state è appropriato e quando non lo è, come il trasporto di massa e l'avidità distorcono un risultato. Puoi difendere un Kd, o rifiutarti di riportarlo. - Forti capacità di analisi dei dati. Python o R, abbastanza da estrarre alcuni centinaia di risultati da un database, adattarli, tracciarli e trovare gli outlier. Questo ruolo genera troppi dati per essere revisionato a mano. - Utilizzi gli strumenti di AI seriamente. Internamente utilizziamo Claude Code e strumenti simili, e le persone che ottengono di più qui sono quelle che ricorrono ad essi per default: scrivere lo scri