Postdoktorandenstelle in Computational Genomics, Maschinellem Lernen & Einzelzellbiologie

Die EPFL, die École polytechnique fédérale de Lausanne, ist einer der dynamischsten Universitätsstandorte Europas und gehört zu den Top 20 Universitäten weltweit. Die EPFL beschäftigt mehr als 6.500 Mitarbeitende, die die drei Hauptaufgaben der Institution unterstützen: Lehre, Forschung und Innovation.

Aufgabe

Wir suchen eine hochmotivierte Postdoktorandin oder einen hochmotivierten Postdoktoranden mit fundierter Ausbildung in Computational Biology und/oder Maschinellem Lernen, die oder der an einem interdisziplinären Projekt an der Schnittstelle von Einzelzellgenomik, Datenintegration und Entwicklungsbiologie mitwirkt.

Das Projekt konzentriert sich auf die Integration und Analyse multimodaler Einzelzelldatensätze, darunter scRNA-seq, scATAC-seq, scCUT&Tag, HiC und Proteomik, mit Schwerpunkt auf Trajektorieninferenz, regulatorischer Dynamik und Zellschicksalsentscheidungen. Ein zentrales Ziel ist die Entwicklung und Anwendung von Methoden des maschinellen Lernens, von probabilistischen Modellen bis hin zu modernen Repräsentationslernverfahren, um Prinzipien zellulärer Zustandsübergänge zu entdecken. Die Arbeit erfolgt in enger Zusammenarbeit mit dem Deplancke-Labor und dem Brbic-Labor an der EPFL und bietet ein einzigartig reichhaltiges Umfeld, das experimentelle Biologie, Computational Genomics und ML-Methodik kombiniert.

Hauptaufgaben und Verantwortlichkeiten

• Arbeit und Zusammenarbeit an Forschungsprojekten
• Analyse und Veröffentlichung von Ergebnissen
• Aufbau eines starken Netzwerks im Forschungsfeld
• Mitwirkung in der Lehre sowie Betreuung von Doktoranden und Masterstudierenden

Profil

• Fundierter Hintergrund in Computational Biology, Bioinformatik, Maschinellem Lernen oder einem verwandten quantitativen Fach
• Erfahrung mit maschinellem Lernen und/oder statistischer Modellierung angewandt auf biologische Daten
• Nachgewiesene Expertise in der Einzelzelldatenanalyse (scRNA-seq und/oder scATAC-seq)
• Interesse oder Erfahrung in multimodaler Datenintegration und Trajektorieninferenz
• Kenntnisse in Python und/oder R
• Interesse an Entwicklungs- und Humanbiologie ist sehr willkommen, aber nicht zwingend erforderlich
• Starke kollaborative Einstellung und Fähigkeit zur interdisziplinären Zusammenarbeit

Wir bieten

• Ein hochinterdisziplinäres Forschungsumfeld an der Schnittstelle von ML und Biologie
• Zugang zu grossen, hochmodernen Einzelzell-Multi-Omics-Datensätzen
• Enge Zusammenarbeit mit führenden Gruppen in Einzelzellgenomik und Maschinellem Lernen
• Starke Unterstützung für Publikationen mit hoher Wirkung und Karriereentwicklung

Mehr Informationen

Bitte beziehen Sie sich in Ihrer Bewerbung auf myScience.ch und geben Sie die Referenz JobID69250 an.