Bioengineer, Display & Library Engineering

Adaptyv baut ein automatisiertes Labor auf, das es AI agents ermöglicht, Biologieexperimente durchzuführen. Wir treten in die Ära der agentischen Wissenschaft ein, in der AI Modelle nun neuartige Proteine entwerfen, Hypothesen vorschlagen und experimentelle Ergebnisse iterieren können. Aber sie können die Experimente nicht selbst durchführen – das ist immer noch ein manueller, monatelanger Prozess. Wir bauen die Infrastruktur, die AI agents Zugang zur physischen Welt verschafft. Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, dem führende Biopharmas, wegweisende AI labs und die Techbio-Unternehmen, die das Feld vorantreiben, vertrauen. Dies ist eine seltene Chance, dazu beizutragen, einige der wichtigsten Arbeiten voranzutreiben, die heute in der Biotech stattfinden. Unser automatisiertes Labor wird durch einen tiefen Software- + Hardware-Stack angetrieben: Lab-Instrumente im Wert von Millionen USD, die mittels Reverse Engineering in API-steuerbare Hardware umgewandelt wurden, Dutzende von Geräten, die durch komplexe Workflows orchestriert werden, vollständige Observability über alles, was im Labor passiert, Processing-Pipelines für unstrukturierte Daten aus der physischen Welt und AI-Systeme, die Produktionsergebnisse Fehler analysieren und die Assay-Entwicklung beschleunigen. Wir wachsen schnell und stellen talentierte Menschen ein, um die massive Nachfrage nach KI-gesteuerter Wet-Lab-Experimentierung zu skalieren und zu unterstützen. ÜBER DIE ROLLE Sie sind hier, um die Datengenerierung hochzufahren. Design-Teams können uns 10⁶ Sequenzen übergeben, und unsere automatisierte Infrastruktur misst etwa 10³ davon einzeln. Library Construction und Display ist das, was diese Lücke schließt. Wir suchen jemanden, der diese Systeme schon einmal aufgebaut hat und dies hier wieder mit eigenen Händen tun kann. Phage, Ribosom, mRNA, Hefe, cell-free: Welches am besten passt, hängt von der Library und dem Target ab, und ein Teil des Jobs besteht darin, diese Entscheidung zu treffen und sie dann umzusetzen, anstatt nur eine Empfehlung zu schreiben. Dies ist eine Build-Rolle, keine Service-Rolle. In Ihren ersten Monaten erstellen Sie Libraries, führen Selektionen durch, arbeiten heraus, warum eine Runde gescheitert ist, und verwandeln das, was funktioniert, in etwas, das das Automatisierungsteam ohne Sie ausführen kann. WAS SIE TUN WERDEN - Bauen Sie die Libraries. Oligo Pools, kombinatorische Assemblierung, Barcoding. Mehr Kampagnen scheitern hier als bei der Selektion. - Führen Sie Selektionen von Ende zu Ende durch, einschließlich der Entscheidung, ob eine Runde echte Binder oder nur schnell wachsende Zellen angereichert hat. - Wählen Sie die Plattform pro Kampagne aus und richten Sie diese ein. Basierend auf der Library und dem Target, nicht darauf, was Sie zufällig zuletzt verwendet haben. - Verantwortlich für die Sequenzierungsanalyse. Sie müssen kein Bioinformatiker sein, aber Sie können auch nicht auf einen warten. - Übergabe an die Automatisierung. Ein Protokoll, das nur funktioniert, wenn Sie es persönlich ausführen, ist nicht fertig. - Schließen Sie den Kreislauf. Ausgewählte Designs werden vom Team nebenan auf BLI und SPR exprimiert und gemessen. Das sagt Ihnen, ob die Selektion funktioniert hat. WAS WIR SUCHEN - MSc oder PhD in einem relevanten Bereich, plus 3+ Jahre Erfahrung, in denen Sie Display und Selektion selbst durchgeführt haben. - Sie haben eine Display-Plattform aufgebaut, nicht nur eine benutzt. Dies ist die Kernanforderung. Die Library gebaut, die Selektion zum Laufen gebracht und Binder produziert, die in einem unabhängigen Assay Bestand hatten. Das Management von ausgelagerten CRO-Kampagnen ist nicht dasselbe. - Tiefe in mindestens einem Display-Format und praktische Kenntnisse in den restlichen. Wir sind nicht auf eines festgelegt. - High-diversity Cloning und ein Verständnis dafür, wo Bias in einen Pool gelangt und was es Sie später kostet. - NGS als routinemäßiges Werkzeug, und FACS, falls Sie es beherrschen. - Ausreichend Python oder R, um Ihre eigenen Daten zu analysieren, ohne sich in eine Warteschlange zu stellen. - Sie nutzen AI-Tools ernsthaft. Wir haben das Jahr 2026 und wir arbeiten unternehmensweit mit Claude Code. Sie benötigen zudem das Urteilsvermögen, um zu prüfen, was als Ergebnis geliefert wird. - Ein Self-Starter. Niemand wird Ihnen eine priorisierte Warteschlange übergeben. Sie entscheiden, was gebaut wird, bauen es und sagen uns, was Sie gelernt haben. - Startup-Geschwindigkeit, nicht akademisches Tempo. Kampagnen laufen gegen Kundenfristen. Eine funktionierende Plattform mit bekannten Grenzen schlägt eine elegante Plattform im nächsten Jahr. - Sie möchten, dass Ihre Protokolle automatisiert werden, anstatt für immer manuell zu bleiben. Wenn Ihr Instinkt ist, dass eine Kampagne abgeschlossen ist, sobald Sie zehn gute Klone haben, werden wir uns gegenseitig frustrieren. Wir wollen Daten, keine Hit-Liste. WARUM DIESE ROLLE INTERESSANT IST Die meisten Display-Wissenschaftler verbringen eine Karriere damit, eine einzige Target-Klasse zu untersuchen, und das Ergebnis ist eine Hit-Liste. Hier würden Sie Kampagnen über viele Targets und viele Design-Methoden hinweg durchführen, vieles davon an AI-designten Proteinen, die noch niemand charakterisiert hat. Expression und Charakterisierung laufen bereits in großem Maßstab auf unserer automatisierten Infrastruktur, sodass Sie die Selektionsschicht aufbauen und nicht alles darunterliegende. DETAILS - Standort: Lausanne, Switzerland, vor Ort. Dies ist eine Labor-Rolle. - Typ: Vollzeit. - Startdatum: Sobald Sie können. Bewerbungsfrist Wir prüfen Bewerbungen fortlaufend.