Data Scientist, Lab & Protein Data

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 neue 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 gibt. Wir sind eines der am schnellsten wachsenden Biotech-Unternehmen, dem führende Biopharmas, Frontier AI Labs und die Techbio-Unternehmen, die das Feld vorantreiben, vertrauen. Dies ist eine seltene Chance, dabei zu helfen, 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 per 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 unordentliche Daten aus der physischen Welt und AI-Systeme, die Produktionsergebnisse Fehler analysieren und die Assay-Entwicklung beschleunigen. Wir wachsen schnell und stellen talentierte Leute ein, um die massive Nachfrage nach KI-gesteuerter Wet-Lab-Experimentation zu skalieren und zu unterstützen. ÜBER DIE ROLLE Sie werden die Data Science Schicht der Foundry von Adaptyv aufbauen – die Arbeit, die zehntausende rohe, unordentliche experimentelle Readouts in saubere, vertrauenswürdige, strukturierte Daten verwandelt, auf die unsere Kunden, unsere Modelle und unsere eigenen Wissenschaftler sich verlassen können. Binding (BLI/SPR), Developability, biophysikalische und funktionale Assays produzieren alle Daten in großem Maßstab; Ihr Job ist es, diese Daten korrekt, vergleichbar und nützlich zu machen. Dies liegt an der Schnittstelle von drei Dingen: Datenqualität (ist diese Zahl echt oder ein Artefakt?), Bioinformatik (Verknüpfung von experimentellen Ergebnissen mit Sequenz, Struktur und Proteindesign) und Datensatz-Aufbau (Umwandlung des Foundry-Outputs in die Art von hochwertigen, benchmarkbaren Daten, die Frontier AI Labs tatsächlich wollen). Sie werden Schulter an Schulter mit den Laborswissenschaftlern arbeiten, die die Assays durchführen, dem Software-Team, dem die Pipelines gehören, und den Kunden, die Modelle auf dem trainieren, was wir produzieren. Dies ist eine hands-on Build-Rolle, keine Management-Rolle. WAS SIE TUN WERDEN - Sie verantworten die wissenschaftliche Logik der Datenqualität in der gesamten Foundry: Definieren Sie, wie "gute Daten" für jeden Assay-Typ aussehen – erwartete Signalbereiche, Kontrollschwellenwerte, Fehlermodi, Edge Cases – und verwandeln Sie dies in automatisierte Checks. - Bau von Anomaly Detection und QC-Modellen, die schlechte Daten erkennen, die das Auge übersehen würde: Assay Drift, Instrumentenvariabilität, Plate-Effekte, False Passes und False Fails – und unterscheiden Sie statistisch echtes Signal von Rauschen. - Arbeiten mit den Software- und ML-Teams zusammen, um die automatisierten Daten-Pipelines, die Instrumenten-Outputs verarbeiten, zu spezifizieren, zu überprüfen und zu verbessern, wobei Sie präzise Anforderungen zurückgeben, was zu flaggen, automatisch abzulehnen oder zur menschlichen Überprüfung weiterzuleiten ist. - Verbinden Sie experimentelle Ergebnisse zurück mit der Proteinseite – Sequenz, Struktur und Design – damit sich Wet-Lab-Daten und computergestützte Modelle gegenseitig verstärken. - Verwandeln Sie Foundry-Output in strukturierte, dokumentierte Datensätze auf Benchmark-Niveau, die ein echter Gewinn für unsere Kunden und für das Training und die Evaluierung von Proteindesign-Modellen sind. - Wenden Sie echte statistische Strenge auf Multi-Condition-Daten in großem Maßstab an – tausende Proben über hunderte gleichzeitige Experimente hinweg – und machen Sie die Ergebnisse über verschiedene Runs hinweg interpretierbar und vergleichbar. WAS WIR SUCHEN - Starker Data Science / Bioinformatik Hintergrund – Sie sind versiert in Python (pandas, numpy, der scientific stack) und fühlen sich sicher damit, unordentliche, reale experimentelle Daten End-to-End zu verantworten. - Echte biologische Fundierung – Sie verstehen Proteine, Assays und Sequenz/Struktur/Funktion gut genug, um zu wissen, was die Daten bedeuten, nicht nur wie man sie verarbeitet. Sie müssen kein Laborscientist sein, aber Sie dürfen nicht „biologie-blind“ sein. - Statistische Reife – Prozesskontrolle, Anomalieerkennung, Umgang mit Variabilität und Batch-Effekten; Sie können Drift von Rauschen unterscheiden und Ihre Entscheidung verteidigen. - Produktiver Builder mit Nachweisen. Sie haben viel veröffentlicht – Pipelines, Tools, Modelle, Datensätze – und können konkrete Dinge nennen, die Sie End-to-End gebaut und in die reale Nutzung gebracht haben, keine Prototypen, die in einem Notebook gestorben sind. Sie arbeiten schnell, systematisieren, was funktioniert, und haben keine Geduld damit, ein feststehendes Dashboard zu betreuen. - AI-native Builder. Es ist 2026 – Sie bauen standardmäßig mit Coding Agents wie Claude Code und verfügen über ein scharfes Urteilsvermögen darüber, was diese produzieren. - Interdisziplinär durch Instinkt. Es motiviert Sie, über die Laborsbank, Software und ML hinweg zu arbeiten, und Sie betrachten Automatisierung und Dateninfrastruktur als Teil Ihres Jobs. - Bonus: Erfahrung mit Protein/Sequenz-Struktur-Daten (Bioinformatik-Tools, Strukturdaten), ML auf experimentellen Daten oder dem Aufbau von Datensätzen für Modelltraining und Benchmarking. DETAILS - Standort: Lausanne, Switzerland (on-site) - Typ: Full time - Startdatum: ASAP Bewerbungsschluss Wir prüfen Bewerber laufend.