Machine Learning Scientist — Roche

Descrizione completa

A Roche puoi apparire come te stesso, abbracciato per le qualità uniche che porti. La nostra cultura incoraggia l'espressione personale, il dialogo aperto e i legami genuini, dove siete valorizzati, accettati e rispettati per chi siete, permettendovi di prosperare sia personalmente che professionalmente. Questo è il modo in cui vogliamo prevenire, fermare e curare le malattie e garantire che tutti abbiano accesso alla salute oggi e per le generazioni a venire. Unisciti a Roche, dove ogni voce conta.

La posizione AI Biology & Translation (AIBT) sviluppa e applica l'intelligenza artificiale all'avanguardia per accelerare la scoperta biomedica attraverso la ricerca e lo sviluppo precoce in Genentech & Roche. Uniamo i progressi nei modelli di fondazione, l'apprendimento di macchine multimodali e i dati biologici su larga scala per avanzare la scoperta di destinazione, la comprensione delle malattie, lo sviluppo di biomarca e la scienza traduttiva.

Stiamo cercando uno scienziato ML (Senior) con profonda esperienza nell'apprendimento della macchina moderna per condurre lo sviluppo e l'applicazione delle tecnologie AI di nuova generazione per la progettazione di sequenze di DNA e RNA per i farmaci a base di acido nucleico. Lavoriamo a stretto contatto con le parti interessate in Terapia Cellulare, Terapia Genetica e Oncologia Vaccina su progetti diversi, che vanno dallo sviluppo della piattaforma per la raffinazione di progetti di sequenza di laboratorio-in-the-loop per portare ottimizzazione per progetti di portafoglio. Il lavoro rappresentativo comprende la progettazione di elementi normativi per conferire trascrizione specifica delle cellule e sequenze di codifica sinonimo di ingegneria per migliorare l'efficienza traduttiva.

Come Scienziato / Senior Scientist, guiderai direttamente campagne di progettazione sequenza, traducendo domande biologiche in modelli predittivi e generativi, e guidando l'ottimizzazione della sequenza iterativa in stretta collaborazione con sperimentatori a lastra bagnata.

L'opportunità

• Costruire, formare e perfezionare gli algoritmi di machine learning per ottimizzare i medicinali a base di acido nucleico per i progetti di portafoglio attivi
• Librerie di sequenza del candidato di progettazione per i cicli di ottimizzazione del lab-in-the-loop, analizzare le letture sperimentali (ad esempio, MPRA, NGS), e aggiornare iterativamente i disegni
• Collaborare in modo interfunzionale con scienziati e progetti bagnati porta a comprendere vincoli terapeutici e algoritmi di progettazione su misura di conseguenza
• Presentare i risultati tecnici, i progetti candidati e le metriche di performance del modello per i membri del team e gli stakeholder interfunzionali
• Rimanere attuali con progressi nella modellazione di sequenze biologiche e terapeutici acidi nucleici per portare metodi all'avanguardia nella nostra pipeline
• Contribuire a pubblicazioni scientifiche

Chi sei

• Ph.D. in una disciplina quantitativa (Bioinformatics, Biologia computazionale, Scienza informatica, Machine learning, o un campo correlato) con 0-4 anni di esperienza post-dottoria o industriale
• Risultato impatto della ricerca nell'interfaccia di machine learning e biologia molecolare, evidenziato da pubblicazioni in riviste di alto livello o conferenze ML
• Forte capacità di programmazione Python e competenza in quadri di apprendimento profondi come PyTorch
• Modelli di sequenza-to-funzione per molecole biologiche (preferibilmente DNA/RNA)
• Eccellente capacità di comunicazione in inglese, con la capacità di parlare con scienziati computazionali e sperimentali

Qualificazioni predestinate

• Esperienza prioritaria nell'applicazione dell'apprendimento automatico in un ambiente biotecnologico, farmaceutico o industriale
• Conoscenza del dominio nei terapeutici a base di acido nucleico (ad esempio, progettazione mRNA, ingegneria capsid/promoter AAV, vettori terapia cellulare)
• Esperienza con framework ML avanzati rilevanti per la progettazione di sequenze, come la modellazione generativa (diffusione, modelli di sequenza autoregressiva, modelli di linguaggio mascherato), apprendimento attivo, interpretazione del modello, o quantificazione dell'incertezza
• Familiarità con elaborazione dati genomica funzionale ad alto rendimento (ad esempio, MPRA, RNA-seq, profiling ribosome)

Informazioni su AI Biology & Translation (AIBT)

AI Biology & Translation (AIBT) fa parte del Centro di Eccellenza Computazionale (CS