Uppsala universitet, Institutionen för läkemedelskemi

Läkemedelsplattformen vid Science for Life Laboratory (SciLifeLab DDD) är en nationell infrastruktur för akademisk läkemedelsutveckling med uppdrag att i samarbete med akademiska forskare och innovationskontor utveckla akademiska upptäckter till potentiella läkemedelskandidater och kommersiella produkter. Plattformen har varit aktiv i nära tio år och bidragit till mer än tio nya företag och till fyra läkemedelskandidater i kliniska studier. Plattformen har för närvarande 48 anställda vid sex universitet och samarbetar med akademiska forskare över hela Sverige. Mer information finns att läsa på www.scilifelab.se/ , www.scilifelab.se/units/ddd-platform/ och  www.scilifelab.se/external-relations/scilifelab-innovation-pharma-biotech/

SciLifeLab DDD utlyser nu en tjänst för en forskare inom beräkningskemi/ kemoinformatik vid institutionen för läkemedelskemi, Uppsala universitet i samarbete med professor Jens Carlsson vid institutionen för cell och molekylärbiologi. Ett av målen för tjänsten är att tillföra spetskompetens rörande maskininlärning i läkemedelsforskning till DDD. Detta inkluderar att aktivt söka efter möjliga interaktioner och samarbeten relaterade till ämnet. Exempel på behov inom pågående projekt är att förutsäga bindningsegenskaper hos föreningar från DNA-kodade bibliotek samt egenskaper hos bindare identifierade med fagselektionsteknik. Den sökande kommer att bli en del av Jens Carlssons forskargrupp som använder strukturbaserade metoder för att studera proteiners funktion på molekylär nivå samt utvecklar metoder för att identifiera läkemedelskandidater via virtuell screening. Besök gärna gruppens hemsida för mer information (www.carlssonlab.org). Mer information om institutionen för läkemedelskemi finns på www.ilk.uu.se.

Arbetsuppgifter
Huvuduppgiften är att bidra till DDDs projekt med expertkunskap rörande kemoinformatik och maskininlärning. Kandidaten förväntas identifiera och implementera relevanta metoder inom kemoinformatik och maskininlärning för att stödja projekten inom DDD-plattformen. Metoderna kan relatera till läkemedelsforskning rörande småmolekyler eller oligonukleotider, såväl som prediktioner av proteiner och proteinbaserade läkemedel. Den sökande förväntas också nätverka både inom ramen för SciLifeLab samt med andra forskargrupper och organisationer som en talesperson för DDD med uppgift att identifiera möjliga samarbeten gällande maskininlärning i läkemedelsutveckling. Vi på DDD jobbar i projekt tillsammans med akademiska forskare och andra intressenter. 

Kvalifikationskrav
En doktorsexamen i beräkningskemi, kemoinformatik eller motsvarande. Erfarenhet av maskininlärning. Bra kommunikationsförmåga samt god förmåga att etablera samarbeten och implementera relevanta tekniker i ett tvärvetenskapligt sammanhang. Du ska kunna uttrycka dig väl på engelska, i både tal och skrift. 

Önskvärt/meriterande i övrigt
Postdoktoral erfarenhet av maskininlärning eller kemoinformatik. Erfarenhet av läkemedelsutveckling inom kategorierna småmolekyler, oligonukleotider eller biologiska läkemedel. Även goda kunskaper om proteinstrukturer, bioinformatik och sökning i relaterade databaser är meriterande.

Stor vikt kommer att läggas vid personliga egenskaper så som kommunikationsförmåga, egen drivkraft, samarbetsförmåga, servicekänsla och förmåga att organisera och prioritera.

Ansökan skall innehålla ett kort brev som sammanfattar dina forskningsintressen/expertis samt motiverar varför du är lämplig för tjänsten, CV, doktorsexamen samt kontaktinformation till minst två referenser.

Om anställningen 
Anställningen är tillsvidare (provanställning kan tillämpas). Omfattningen är heltid. Tillträde 1 maj 2024 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: 
Ulrika Yngve, ulrika.yngve@scilifelab.uu.se eller professor Jens Carlsson jens.carlsson@icm.uu.se .

Välkommen med din ansökan senast den 8 mars, UFV-PA 2024/406.

Anställningsform Tillsvidareanställning
Anställningens omfattning Heltid
Tillträde 2024-05-01
Löneform Individuell lönesättning
Antal lediga befattningar 1
Sysselsättningsgrad 100%
Ort Uppsala
Län Uppsala län
Land Sverige
Referensnummer UFV-PA 2024/406
Facklig företrädare
  • Seko Universitetsklubben, seko@uadm.uu.se
  • ST/TCO, tco@fackorg.uu.se
  • Saco-rådet, saco@uadm.uu.se
Publicerat 2024-02-05
Sista ansökningsdag 2024-03-08

Tillbaka till lediga jobb