Principal Scientist, Machine Learning/Predictive Cell State Design

Wymagająca. Znacząca. Życiowa. W Bristol Myers Squibb te słowa nie są tylko pustymi frazesami; definiują nasze środowisko pracy. Nasze unikalne i transformacyjne projekty obejmują każdy dział, od optymalizacji linii produkcyjnych po przełomowe osiągnięcia w terapii komórkowej. Dołączając do nas, będziesz miał/a możliwość wywierania znaczącego wpływu na życie pacjentów, jednocześnie rozwijając swoją karierę w sposób, jakiego nigdy nie wyobrażałeś/aś sobie.

W Bristol Myers Squibb rozumiemy, jak ważne są równowaga i elastyczność w miejscu pracy. Oferujemy kompleksowy zakres konkurencyjnych świadczeń, usług i programów zaprojektowanych, aby wspierać rozwój zawodowy i osobisty naszych pracowników. Aby uzyskać więcej informacji, odwiedź careers.bms.com/working-with-us.

Dołącz do różnorodnego, osiągającego wysokie wyniki zespołu, który dąży do wyznaczania nowatorskich spostrzeżeń dla korzyści pacjentów. Nasz zespół IPS prowadzi zaawansowane badania komputerowe w dziedzinie genomiki, informatyki strukturalnej i molekularnej, biologii obliczeniowej i systemowej, selekcji pacjentów, badań biomarkerów translacyjnych, nauki o wiedzy, epidemiologii i uczenia maszynowego.

Ściśle współpracujemy z ekspertami naukowymi i klinicznymi, aby napędzać innowacyjną naukę i podejmować decyzje oparte na danych, przyczyniając się do naszego bogatego pipeline’u leków nowej generacji.

Szukamy Głównego Naukowca, który dołączy do naszej grupy badawczej w ramach globalnej organizacji IPS. Współpracując z kolegami z Tematycznego Centrum Badawczego Immunologii Raka i Terapii Komórkowej (CICT TRC), będziesz optymalizować terapie komórkowe, identyfikować mechanizmy molekularne w celu zwiększenia skuteczności i zmniejszenia potencjalnych toksyczności.

Kluczowe obowiązki

• Opracowanie dużych modeli multimodalnych integrujących dane strukturalne i niestrukturalne do zastosowań inżynierii komórkowej i odkrywania celów.
• Rozwój metodologii opartej na uczeniu maszynowym dla zbiorów danych transkryptomiki przestrzennej w celu poprawy odkrywania leków immunologicznych na raka.
• Wykorzystywanie technik uczenia maszynowego i wnioskowania przyczynowego do przewidywania efektów zakłóceń na stany komórek i fenotypy.
• Śledzenie najnowszych metodologii uczenia maszynowego i ich zastosowań w inżynierii komórkowej i odkrywaniu leków.
• Współpraca z zespołami interdyscyplinarnymi w celu projektowania eksperymentów i przekładania wniosków obliczeniowych na koncepcje terapeutyczne.
• Udział w opracowywaniu raportów naukowych i prezentowanie metod oraz wniosków zgodnie z standardami publikacyjnymi.

Podstawowe kwalifikacje

Kandydaci muszą posiadać jedno z poniższych wykształceń i doświadczeń zawodowych:

• Licencjat z 8+ lat doświadczenia.
• Magister z 6+ lat doświadczenia.
• Doktorat z 4+ lat doświadczenia.

Preferowane kwalifikacje

• Doktorat z informatyki, biologii obliczeniowej, bioinformatyki, informatyki biomedycznej, genetyki, statystyki, lub pokrewnej dziedziny z sil