Data Scientist, Lab & Protein Data

Adaptyv sta costruendo un laboratorio automatizzato che permette ad agenti AI di eseguire esperimenti di biologia. Stiamo entrando nell'era della scienza agentica in cui i modelli AI possono ora progettare nuove proteine, proporre ipotesi e iterare sui risultati sperimentali. Ma non possono eseguire gli esperimenti da soli: è ancora un processo manuale che dura mesi. Stiamo costruendo l'infrastruttura che dà agli agenti AI l'accesso al mondo fisico. Siamo una delle aziende biotech a più rapida crescita, di cui si fidano le principali biopharmas, i laboratori AI d'avanguardia e le aziende techbio che stanno spingendo il settore in avanti. Questa è una rara opportunità per aiutare ad avanzare alcuni dei lavori più importanti che si stanno svolgendo oggi nel settore biotech. Il nostro laboratorio automatizzato è alimentato da un profondo stack software + hardware: strumenti di laboratorio del valore di milioni di USD sottoposti a reverse engineering in hardware controllabile tramite API, decine di dispositivi orchestrati attraverso workflow complessi, piena osservabilità su tutto ciò che accade nel laboratorio, pipeline di elaborazione per dati disordinati del mondo fisico e sistemi AI che risolvono problemi nei risultati di produzione e accelerano lo sviluppo di assay. Stiamo crescendo rapidamente e stiamo assumendo persone talentuose per scalare e supportare la massiccia domanda di sperimentazione in wet lab guidata dall'AI. INFORMAZIONI SULLA POSIZIONE Costruirai lo strato di data science della foundry di Adaptyv — il lavoro che trasforma decine di migliaia di readout sperimentali grezzi e disordinati in dati puliti, affidabili e strutturati su cui i nostri clienti, i nostri modelli e i nostri stessi scienziati possono contare. I test di legame (BLI/SPR), di developability, biofisici e funzionali producono tutti dati su larga scala; il tuo compito è rendere quei dati corretti, comparabili e utili. Questo ruolo si trova all'intersezione di tre elementi: qualità dei dati (questo numero è reale o un artefatto?), bioinformatica (collegare i risultati sperimentali alla sequenza, alla struttura e alla progettazione proteica) e costruzione di dataset (trasformare l'output della foundry nel tipo di dati di alta qualità e confrontabili che i laboratori AI d'avanguardia desiderano realmente). Lavorerai fianco a fianco con gli scienziati di laboratorio che eseguono gli assay, il team software che gestisce le pipeline e i clienti che addestrano i modelli su ciò che produciamo. Questo è un ruolo di costruzione pratica, non di gestione. COSA FARAI - Gestirai la logica scientifica della qualità dei dati in tutta la foundry: definire come appare un "dato buono" per ogni tipo di assay — intervalli di segnale attesi, soglie di controllo, modalità di errore, casi limite — e trasformarlo in controlli automatizzati. - Costruirai modelli di rilevamento delle anomalie e di QC che catturino dati errati che l'occhio umano perderebbe: deriva dell'assay, variabilità dello strumento, effetti della piastra, falsi positivi e falsi negativi — e distinguerai statisticamente il segnale reale dal rumore. - Lavorerai con i team software e ML per specificare, revisionare e migliorare le pipeline di dati automatizzate che elaborano gli output degli strumenti, fornendo feedback su requisiti precisi per ciò che deve essere segnalato, scartato automaticamente o indirizzato alla revisione umana. - Collegherai i risultati sperimentali alla parte proteica — sequenza, struttura e design — in modo che i dati del wet-lab e i modelli computazionali si rafforzino a vicenda. - Trasformerai l'output della foundry in dataset strutturati, documentati e di livello benchmark che siano un vero asset per i nostri clienti e per l'addestramento e la valutazione dei modelli di progettazione proteica. - Applicherai un vero rigore statistico ai dati multi-condizione su larga scala — migliaia di campioni attraverso centinaia di esperimenti simultanei — e renderai i risultati interpretabili e comparabili tra le varie sessioni. COSA CERCHIAMO - Forte background in data science / bioinformatica — sei fluente in Python (pandas, numpy, lo stack scientifico) e ti senti a tuo agio nel gestire end-to-end dati sperimentali disordinati del mondo reale. - Autentica base biologica — comprendi le proteine, gli assay e la sequenza/struttura/funzione abbastanza bene da sapere cosa significano i dati, non solo come elaborarli. Non devi essere uno scienziato di banco, ma non puoi essere cieco alla biologia. - Maturità statistica — controllo di processo, rilevamento delle anomalie, gestione della variabilità e degli effetti batch; sai distinguere la deriva dal rumore e puoi difendere la tua valutazione. - Costruttore prolifico con i risultati per dimostrarlo. Hai rilasciato molto — pipeline, strumenti, modelli, dataset — e puoi indicare cose concrete che hai costruito end-to-end e messo in uso reale, non prototipi morti in un notebook. Ti muovi velocemente, sistemi ciò che funziona e non hai pazienza per babysitting di una dashboard fissa. - Costruttore AI-native. È il 2026 — costruisci con agenti di coding come Claude Code come standard e hai un giudizio acuto su ciò che producono. - Interdisciplinare per istinto. Ti entusiasma lavorare tra banco di laboratorio, software e ML, e tratti l'automazione e l'infrastruttura dati come parte del tuo lavoro. - Bonus: esperienza con dati proteici/sequenza-struttura (strumentazione bioinformatica, dati strutturali), ML su dati sperimentali o costruzione di dataset per l'addestramento e il benchmarking di modelli. DETTAGLI - Location: Lausanne, Switzerland (on-site) - Type: Full time - Start date: ASAP Scadenza per la candidatura Stiamo esaminando i candidati su base continua.