Machine Learning Scientist — Roche

Description complète

Chez Roche vous pouvez vous montrer comme vous-même, embrassé pour les qualités uniques que vous apportez. Notre culture encourage l'expression personnelle, le dialogue ouvert et les liens authentiques, où vous êtes apprécié, accepté et respecté pour qui vous êtes, vous permettant de prospérer à la fois personnellement et professionnellement. C'est ainsi que nous visons à prévenir, à arrêter et à guérir les maladies et à veiller à ce que chacun ait accès aux soins de santé aujourd'hui et pour les générations à venir. Rejoignez Roche, où chaque voix compte.

La position AI Biology & Translation (AIBT) développe et applique l'intelligence artificielle de pointe pour accélérer la découverte biomédicale à travers la recherche et le développement précoce à Genentech & Roche. Nous combinons les avancées dans les modèles de fondation, l'apprentissage automatique multimodal et les données biologiques à grande échelle pour faire progresser la découverte de cibles, la compréhension des maladies, le développement de biomarqueurs et la science translationnelle.

Nous recherchons un (Sénior) ML Scientifique avec une expertise approfondie dans l'apprentissage machine moderne pour diriger le développement et l'application de technologies d'IA de prochaine génération pour la conception de séquences d'ADN et d'ARN pour les médicaments à base d'acide nucléique. Nous travaillons en étroite collaboration avec des intervenants en Cell Therapy, Gene Therapy et Vaccine Oncology sur divers projets, allant de la mise au point de plates-formes pour le perfectionnement en laboratoire des conceptions de séquences à l'optimisation des projets de portefeuille. Le travail représentatif comprend la conception d'éléments réglementaires permettant de conférer des séquences de codage synonymes propres à un type de cellule et d'ingénierie afin d'améliorer l'efficacité de la traduction.

En tant que scientifique / scientifique principal, vous dirigerez directement des campagnes de conception de séquences, transformant les questions biologiques en modèles prédictifs et générateurs, et conduisant à l'optimisation itérative de séquences en étroite collaboration avec les expérimentationnistes de la labo humide.

L'opportunité

• Construire, former et affiner des algorithmes d'apprentissage des machines pour optimiser les médicaments à base d'acide nucléique pour des projets actifs
• Concevoir des bibliothèques de séquences candidates pour les cycles d'optimisation en laboratoire dans la boucle, analyser les lectures expérimentales (p. ex. MPRA, NGS) et mettre à jour les conceptions itératives
• Collaborer de façon interfonctionnelle avec des scientifiques en labo humide et le projet conduit à comprendre les contraintes thérapeutiques et adapter les algorithmes de conception en conséquence
• Présenter aux membres de l'équipe et aux intervenants des constatations techniques, des conceptions des candidats et des mesures du rendement du modèle
• Restez à jour avec les progrès de la modélisation des séquences biologiques et des thérapies à l'acide nucléique pour apporter des méthodes de pointe dans notre pipeline
• Contribuer aux publications scientifiques

Qui vous êtes

• Ph.D. dans une discipline quantitative (bioinformatique, biologie informatique, informatique, apprentissage automatique ou domaine connexe) avec 0-4 ans d'expérience postdoctorale ou industrielle
• Impact de la recherche démontré à l'interface de l'apprentissage automatique et de la biologie moléculaire, mis en évidence par des publications dans des revues de haut niveau ou des conférences ML
• Fortes compétences en programmation de Python et compétences dans les cadres d'apprentissage profond comme PyTorch
• Expérience pratique de développement, d'entraînement ou de mise au point de modèles de séquence à fonction pour molécules biologiques (de préférence ADN/ARN)
• Excellentes compétences en communication en anglais, avec la capacité de parler à la fois aux chercheurs computationnels et expérimentaux

Qualifications privilégiées

• Expérience antérieure d'application de l'apprentissage automatique dans un contexte de biotechnologie, de pharmacologie ou d'industrie
• Connaissances du domaine dans les thérapies à base d'acide nucléique (p. ex. conception d'ARNm, génie des capsides/promoteurs AAV, vecteurs de thérapie cellulaire)
• Expérience des cadres avancés de ML pertinents à la conception de séquences, comme la modélisation générative (diffusion, modèles de séquence autorégressifs, modèles de langage masqué), l'apprentissage actif, l'interprétation de modèles ou la quantification d'incertitude
• Familiarité avec le traitement de données génomiques fonctionnelles à haut débit (p. ex. ARM, ARN-seq, profilage ribosome)

À propos de l'IA Biologie & Traduction (AIBT)

AI Biologie & Traduction (AIBT) fait partie du Centre d'excellence en sciences computationnelles (CS