Starszy specjalista ds. danych, genomika obliczeniowa/modelowanie DNA

O RelationRelation to firma TechBio, która definiuje sektor i opracowuje leki transformacyjne, których podstawą jest technologia. Naszą ambicją jest zrozumienie biologii człowieka w bezprecedensowy sposób i odkrycie terapii pozwalających leczyć niektóre z najbardziej wyniszczających chorób. Wykorzystujemy multiomikę pojedynczych komórek z tkanki pacjenta, testy funkcjonalne i uczenie maszynowe, aby pogłębiać wiedzę na temat chorób, od przyczyny do wyleczenia.

Szybko się skalujemy i budujemy zespół wyjątkowych osób, aby przesuwać granice odkrywania leków. Będziesz pracować w wysoce interdyscyplinarnych zespołach, w których biologia, obliczenia i inżynieria łączą się, aby rozwiązywać złożone problemy, które nie zostały wcześniej rozwiązane. Nasze najnowocześniejsze mokre i suche laboratoria w sercu Londynu zostały zaprojektowane tak, aby przyspieszyć tę integrację i przełożyć wiedzę na wpływ.

Zależy nam na budowaniu zróżnicowanych i włączających zespołów. Relation jest pracodawcą zapewniającym równe szanse i nie dyskryminuje ze względu na płeć, orientację seksualną, stan cywilny lub związek partnerski, zmianę płci, rasę, kolor skóry, narodowość, pochodzenie etniczne lub narodowe, religię lub przekonania, niepełnosprawność lub wiek. Dołączając do Relation, pomożesz określić, w jaki sposób odkrywane są leki i wywierać znaczący wpływ na pacjentów.

Jest to wyjątkowa szansa dla starszego analityka danych do pracy nad modelowaniem sekwencji DNA, statystycznym uczeniem maszynowym i genomiką funkcjonalną w celu wspierania odkrywania celów i mechanizmów wyjaśnienie. Opracujesz i zastosujesz modele obliczeniowe, które łączą zmienność genetyczną i regulacyjną sekwencję DNA z dalszymi fenotypami molekularnymi, programami komórkowymi i biologią chorób. W ramach zespołu Rosalind będziesz budować i oceniać modele łączące sekwencję z funkcją - w tym przewidywanie efektów wariantów, modelowanie aktywności regulacyjnej i uczenie się reprezentacji danych genomowych.

Codziennie będziesz: opracowywać i wdrażać modele uczenia maszynowego dla sekwencji DNA, elementów regulacyjnych i zmienności genetycznej w kontekstach istotnych dla choroby. budować, oceniać i testować modele dla zadań związanych z sekwencją do funkcji, takich jak przewidywanie efektów wariantów, przewidywanie aktywności regulacyjnej i interpretacja niekodujących sygnałów chorobowych. integrować reprezentacje wywodzące się z sekwencji ze zbiorami danych transkryptomicznych, epigenomicznych i perturbacyjnych w celu odkrycia mechanizmów chorobowych i wspierania ustalania priorytetów celów. Ściśle współpracuj z badaczami eksperymentalnymi i badaczami zajmującymi się uczeniem maszynowym, aby weryfikować hipotezy, interpretować wyniki i kierować dalszymi badaniami. Jasno przekazuj ustalenia wewnętrznym interesariuszom, w tym przedstawiając metody, wyniki i zalecenia. Wkładaj wkład w publikacje, komunikaty naukowe i dokumentację projektu, wspierając doskonałość naukową i widoczność na zewnątrz.

Zawodowo będziesz mieć doktorat z biologii obliczeniowej, uczenia maszynowego, statystyka, genomika, bioinformatyka lub pokrewna dyscyplina ilościowa.Doświadczenie podyplomowe, najlepiej obejmujące czas w przemyśle, biotechnologii lub środowisku farmaceutycznym.Doświadczenie z modelami języka DNA, podstawowymi modelami genomu lub modelami sekwencji opartymi na transformatorach.Zrozumienie statystycznego uczenia maszynowego i modelowania probabilistycznego, z doświadczeniem w wyborze i ocenie odpowiednich podejść do modelowania dla złożonych biologicznych zbiorów danych.Znajomość metod genetyki statystycznej (np. precyzyjnego mapowania, kolokalizacji lub wariantów) do podejścia genowego). Wysoka biegłość w Pythonie (preferowany) i R, z doświadczeniem w pracy w środowiskach obliczeniowych o wysokiej wydajności. Możliwość niezależnego działania, prowadzenia projektów od koncepcji po dostawę.

Dodatkowe doświadczenie: Znajomość transkryptomiki pojedynczych komórek lub zbiorów danych pochodzących od pacjentów. Doświadczenie w pracy w interdyscyplinarnych zespołach w branży biotechnologicznej lub farmaceutycznej. Doświadczenie w integrowaniu modeli uczenia maszynowego ze zbiorami danych genomiki, pojedynczych komórek lub zaburzeń.

Znajomość Dane interakcji genomu 3D/chromatyny, tam gdzie to konieczne (Hi-C, Capture-C itp.). Osobiście: Czujesz się komfortowo pracując w macierzowym środowisku, równoważąc wielu interesariuszy i skutecznie wnosząc swój wkład w zespołach. Przejmij odpowiedzialność za swoją pracę, aktywnie szukaj możliwości wniesienia wkładu i umożliwiaj innym jak najlepsze wykonywanie pracy.

Komunikuj się otwarcie i bezpośrednio, konstruktywnie przekazuj i przyjmuj informacje zwrotne oraz podchodź do trudnych rozmów z szacunkiem. Aktywnie szukaj różnorodnych perspektyw, buduj silne relacje robocze i przyczyniaj się do osiągania wspólnych celów we wszystkich obszarach. Zespoły.Podejmuj wyzwania z otwartością i odpornością, wyznaczaj sobie wysokie standardy i dąż do osiągania znaczących wyników.Styl i kultura pracy w RelationAt Relation działa w matrycowym, interdyscyplinarnym środowisku, w którym wpływ opiera się na współpracy w dziedzinach naukowych, technicznych i operacyjnych.

Współpracujemy, a Ty będziesz współpracować z kolegami z wielu zespołów i projektów, wnosząc swoją wiedzę specjalistyczną, dostosowując się do wspólnych priorytetów firmy. Współpracujemy i razem wygrywamy!Pacjent czeka!AGENCJE REKRUTACYJNE: Informujemy, że Relation nie przyjmuje niezamówionych CV od agencji. Życiorysów nie należy przesyłać do naszych pseudonimów służbowych ani pracowników. Relation nie będzie ponosić żadnych opłat związanych z niechcianymi CV.

Relation jest pracodawcą zapewniającym równe szanse. Znajdź pracę w Wielkiej Brytanii na Arbeitnow