Naukowiec II/starszy naukowiec, chemia obliczeniowa, odkrywanie leków

<p><strong>Twój wpływ w LILA</strong></p> <p>Lila Sciences poszukuje naukowca specjalizującego się w chemii obliczeniowej i odkrywaniu leków, który pomoże w kierowaniu, ocenie i ulepszaniu przepływów pracy w zakresie odkrywania leków opartych na sztucznej inteligencji. Osoba ta wniesie praktyczne doświadczenie w zakresie chemii obliczeniowej w kontekście odkrywania leków i będzie współpracować z systemami sztucznej inteligencji, aby upewnić się, że plany optymalizacji generowane przez agenty, złożone priorytety i przepływy pracy w modelowaniu są uzasadnione pod względem chemicznym i naukowym. Podstawowym zadaniem jest uczynienie odkrywania kierowanego przez agenta naukowo użytecznym, a jednocześnie bezpośredni wkład w programy odkrywania aktywnych leków, gdy potrzebne jest przywództwo w dziedzinie chemii obliczeniowej człowieka.</p> <p>To jest rola dla osoby, która potrafi przyjrzeć się wdrażaniu optymalizacji leków opartej na agentach i odpowiedzieć na trudne pytania: Czy ten plan ma sens?

Czy priorytetem są odpowiednie związki? Czy używane są odpowiednie narzędzia do modelowania? Jakie dodatkowe narzędzia, ograniczenia lub etapy przeglądu należy zbudować, aby agenci mogli podejmować lepsze decyzje dotyczące wykrywania?

W razie potrzeby osoba ta może również włączyć się w aktywne działania odkrywcze i poprowadzić strategię chemii obliczeniowej w celu realizacji programu lekowego. Rola ta obejmuje dokowanie, wirtualne badania przesiewowe, modelowanie SAR, przewidywanie właściwości molekularnych, ustalanie priorytetów związków, wsparcie w zakresie chemii medycznej, wsparcie programów na żywo i, co najważniejsze, projektowanie i nadzór nad narzędziami chemii obliczeniowej na potrzeby agentycznych przepływów pracy.</p> <p><strong>Co będziesz budować</strong></p> <ul> <li>Monitorowanie i przeglądanie przepływów pracy, zaleceń i planów optymalizacji w zakresie chemii obliczeniowej agentów zajmujących się odkrywaniem leków pod kątem ważności naukowej i chemicznej.</li> <li>Oceń plany odkrywania leków generowane przez agenty, które łączą chemię, biofizykę, wspólne składanie, symulację, testy i wyniki modeli o niskiej zawartości danych, a także ustalaj, czy wynikająca z nich strategia optymalizacji jest spójna naukowo.</li> <li>Doradzaj w zakresie złożonego ustalania priorytetów w programach odkrywania, w tym kompromisów między siłą, selektywności, możliwości rozwoju, niepewności i wykonalności eksperymentów.</li> <li>Określ, jakich narzędzi chemii obliczeniowej powinni używać agenci, kiedy powinni je stosować je, jakie dane wejściowe są wymagane i jak należy interpretować wyniki.</li> <li>W razie potrzeby prowadź strategię chemii obliczeniowej dla programów odkrywania żywych leków, w tym generowanie hipotez, plany modelowania, ustalanie priorytetów złożonych i interpretację wyników.</li> <li>Twórz, dostosowuj lub kieruj tworzeniem przepływów pracy opartych na otwartym kodzie źródłowym do dokowania, wirtualnych badań przesiewowych, analizy SAR, generowania konformerów, modelowania farmakoforów, QSAR, ADMET i modelowania właściwości oraz chemiinformatyka.</li> <li>Zastosuj modelowanie wiązania białko-ligand w celu wspierania generowania hipotez, projektowania związków i ustalania priorytetów.</li> <li>Współpracuj z chemikami medycznymi, biologami, biofizykami obliczeniowymi, naukowcami zajmującymi się współfałdowaniem i ML oraz inżynierami badawczymi, aby ulepszyć pętle odkryć wspomagane sztuczną inteligencją.</li> <li>Oceń pomysły na projekty molekularne generowane przez agenty i określ, kiedy proponowana chemia, hipotezy wiązania lub strategie optymalizacji są skuteczne słabe lub nieobsługiwane.</li> <li>Pomóż w ustaleniu standardów walidacji, przeglądania protokołów i poręczy dla narzędzi chemii obliczeniowej używanych w systemach sztucznej inteligencji.</li> <li>Przełóż ocenę chemii obliczeniowej na praktyczne wymagania dotyczące narzędzi agenta, przepływów pracy, wzorców i kryteriów decyzyjnych.</li> </ul> <p><strong>Czego potrzebujesz, aby odnieść sukces</strong></p> <ul> <li>Doktorat lub równoważne doświadczenie w dziedzinie chemii obliczeniowej, chemii, cheminformatyka, modelowanie molekularne, biofizyka lub dziedzina pokrewna.</li> <li>Duże praktyczne doświadczenie w stosowaniu chemii obliczeniowej w kontekście odkrywania leków, w tym aktywne wsparcie programu lub przywództwo.</li> <li>Wykazana historia modelowania wiązania białko-ligand i wykorzystywania tych modeli do podejmowania decyzji dotyczących odkrycia.</li> <li>Praktyczna wiedza w zakresie dokowania, wirtualnych badań przesiewowych, modelowania SAR, generowania konformerów, modelowania farmakoforów, QSAR, ADMET lub właściwości przewidywanie i cheminformatyka.</li> <li>Duże doświadczenie w chemii medycznej i umiejętność wnioskowania na temat optymalizacji związków, SAR, możliwości rozwoju oraz kompromisów syntetycznych lub eksperymentalnych.</li> <li>Płynna znajomość języka Python i praktyczne doświadczenie w tworzeniu przepływów pracy w chemii obliczeniowej typu open source z bibliotekami takimi jak RDKit, Biopython, OpenMM, MDAnalytics lub porównywalnymi narzędziami.</li> <li>Umiejętność krytycznej oceny zaleceń obliczeniowych i przekazywania niepewności, jasne założenia i ograniczenia.</li> <li>Komfort pracy z systemami sztucznej inteligencji, obejmujący przeglądanie, kierowanie i ulepszanie planów generowanych przez agentów, a nie tylko wykonywanie przepływów pracy opracowanych przez ludzi.</li> <li>Doskonałe umiejętności współpracy w zespołach zajmujących się chemią, biologią, uczenie maszynowym, naukami obliczeniowymi i inżynierami.</li> </ul> <p><strong>Punkty dodatkowe za</strong></p> <ul> <li>Doświadczenie w odkrywaniu leków branżowych, zwłaszcza w obszarach obliczeniowych chemia, odkrywanie strukturalne lub wsparcie projektów z zakresu chemii medycznej.</li> <li>Doświadczenie w rozszerzaniu, integrowaniu lub wnoszeniu wkładu w oprogramowanie naukowe typu open source.</li> <li>Doświadczenie z FEP, MM/GBSA, dynamiką molekularną lub innymi przepływami pracy opartymi na fizyce.</li> <li>Doświadczenie w integrowaniu przepływów pracy w chemii obliczeniowej z systemami zautomatyzowanymi lub agentowymi.</li> <li>Narażenie na DEL, wysokoprzepustowe badania przesiewowe lub inne duże eksperymentalne zbiory danych.</li> <li>Doświadczenie w zakresie potencjalnego złożonego ustalania priorytetów w aktywnych programach odkrywania.</li> </ul><div class="content-pay-transparency"><div class="pay-input"><div class="description"><p><strong>Wynagrodzenie</strong></p> <p>Oferujemy konkurencyjne wynagrodzenie podstawowe z potencjałem premiowym i dużym kapitałem własnym na wczesnym etapie. Twoja ostateczna oferta będzie odzwierciedlać Twoje doświadczenie, wiedzę specjalistyczną i oczekiwany wpływ.</p> <p><strong>USA Świadczenia.</strong> Pracownicy pełnoetatowi w USA otrzymują kompleksowy program świadczeń obejmujący opiekę medyczną, dentystyczną i okulistyczną; opłacane przez pracodawcę ubezpieczenie na życie i rentowe; elastyczny czas wolny z hojnymi urlopami dla całej firmy; płatny urlop rodzicielski; program pomocy edukacyjnej; świadczenia dla osób dojeżdżających do pracy, w tym członkostwo w rowerach dla pracowników biurowych; oraz dotowany przez firmę program lunchów.</p> <p><strong>Świadczenia międzynarodowe.</strong> Pracownicy pełnoetatowi spoza USA otrzymują kompleksowy program świadczeń dostosowany do ich regionu.

Przedziały wynagrodzeń w USD dotyczą tylko stanowisk w USA; międzynarodowe wynagrodzenia są dostosowane do rynku lokalnego.</p></div><div class="title">Oczekiwany zakres wynagrodzenia podstawowego</div><div class="pay-range"><span>140 800 USD</span><span class="divider"> - </span><span>217 800 USD</span></div></div></div><div class="content-conclusion"><p><strong>Informacje LILA</strong></p> <p>Lila Sciences tworzy naukową superinteligencję™, aby stawić czoła największym wyzwaniom ludzkości. Wierzymy, że nauka jest najbardziej inspirującą granicą dla sztucznej inteligencji. Zamiast kodować wiedzę ekspercką na narzędzia, LILA buduje systemy, które mogą się same uczyć.</p> <p>LILA łączy zaawansowane modele sztucznej inteligencji z zastrzeżonymi instrumentami AI Science Factory™ w system operacyjny dla nauki, który autonomicznie realizuje całą metodę naukową, przyspieszając odkrycia z niespotykaną szybkością, skalą i wpływem na medycynę, materiały i energię.

Więcej informacji znajdziesz na www.lila.ai.</p> <p>Kierując się naszymi podstawowymi wartościami, takimi jak prawda, zaufanie, ciekawość, stanowczość i szybkość, działamy z szybkością startową, rozwiązując problemy o znaczeniu historycznym. Jeśli brzmi to jak środowisko, w którym chciałbyś pracować, nawet jeśli nie spełniasz wszystkich powyższych kwalifikacji, zachęcamy do aplikowania.</p> <p><strong>Wszyscy jesteśmy za</strong></p> <p>Lila Sciences dokłada wszelkich starań, aby zapewnić równe szanse zatrudnienia bez względu na rasę, kolor skóry, pochodzenie, religię, płeć, narodowość, orientację seksualną, wiek, obywatelstwo, stan cywilny, niepełnosprawność, tożsamość płciową czy status weterana.</p> <p>Informacje podane podczas procesu aplikacyjnego będą przetwarzane zgodnie z naszą <a href="https://www.lila.ai/candidate-privacy-policy-notice">Polityką prywatności kandydatów</a>.</p> <p><strong>Uwaga dla agencji</strong></p> <p><em>Lila Sciences nie przyjmuje niezamówionych CV pochodzących z jakiegokolwiek źródła innego niż kandydaci. Przesyłanie niechcianych życiorysów przez agencje rekrutacyjne lub pośrednictwa pracy firmie Lila Sciences lub jej pracownikom jest surowo zabronione, chyba że skontaktuje się z nią bezpośrednio wewnętrzny zespół ds. pozyskiwania talentów Lila Science.

Każde CV przesłane przez agencję w przypadku braku podpisanej umowy automatycznie stanie się własnością Lila Sciences, a Lila Sciences nie będzie winna żadnych skierowań ani innych opłat z tego tytułu.</em></p></div>Znajdź pracę w Wielkiej Brytanii na Arbeitnow