Postdoc in Rechnergestützter Systembiologie und Metabolischer Modellierung

Die Dysregulation des Lipidstoffwechsels spielt eine Schlüsselrolle bei der Entstehung und dem Fortschreiten metabolischer Erkrankungen, einschließlich Adipositas, Typ-2-Diabetes und metabolisch-dysfunktioneller steatotischer Lebererkrankung (MASLD). Wir suchen eine hochmotivierte Wissenschaftlerin bzw. einen hochmotivierten Wissenschaftler im Bereich der Rechnergestützten und Systembiologie für ein vom Schweizerischen Nationalfonds (SNF) gefördertes Projekt, das darauf abzielt, unser Verständnis des menschlichen Lipidstoffwechsels bei MASLD zu vertiefen. Das Projekt konzentriert sich auf die Modellierung des menschlichen Stoffwechsels durch Integration klinischer Daten mit experimentellen Modellen. Es umfasst biochemische und molekulare Daten aus mehreren Geweben und Bioflüssigkeiten, um gewebe-spezifischen Stoffwechsel, metabolische Interaktionen zwischen Organen sowie Nährstoffaufnahme, -umwandlung und -freisetzung zu untersuchen. Das Projekt kombiniert statistische Modellierung, Systembiologie und in silico metabolische Modellierung mit klinischen, transkriptomischen, proteomischen, metabolomischen/lipidomischen, räumlichen molekularen Bildgebungs- und experimentellen metabolischen Flussdaten, um neue Einblicke in die komplexen metabolischen Veränderungen bei MASLD zu gewinnen.

Was Sie erwartet

• Entwicklung und Anwendung mathematischer, statistischer und maschineller Lernmodelle für komplexe, hochdimensionale und multimodale biologische und klinische Datensätze, einschließlich räumlicher und bildgebender Daten
• Modellierung des Lipid- und Nährstoffstoffwechsels mittels kompartmentaler, kinetischer, mechanistischer, metabolischer Netzwerk- oder physiologisch basierter Ansätze
• Rekonstruktion und Modellierung gewebe-spezifischer metabolischer Netzwerke sowie Validierung der Modellvorhersagen anhand experimenteller Daten
• Teilnahme an und Beitrag zu multidisziplinären und kollaborativen Forschungsprojekten
• Vorbereitung, Präsentation und Kommunikation wissenschaftlicher Ergebnisse bei internen Meetings, internationalen Konferenzen und durch peer-reviewed Publikationen

Ihr Profil

• Promotion oder gleichwertiger Abschluss in Rechnergestützter Biologie, Systembiologie, Angewandter Mathematik, Biochemischer Verfahrenstechnik oder einem verwandten Fachgebiet
• Fundierte Expertise in mathematischer und statistischer Modellierung, maschinellem Lernen und Systembiologie mit Erfahrung in der Analyse hochdimensionaler, multimodaler oder multi-omischer biologischer oder klinischer Daten
• Nachgewiesene Erfahrung in in silico metabolischer Modellierung, z. B. einschränkungsbasierte oder genomweite metabolische Modellierung, Rekonstruktion metabolischer Netzwerke, kinetische oder metabolische Flussmodellierung oder datengetriebene Simulation
• Kenntnisse in R, Python oder MATLAB und Erfahrung in der Integration experimenteller Daten mit computergestützten Modellen
• Erfahrung in Massenspektrometrie, räumlichen Omics, molekularer Bildgebung oder Gewebebildgebung ist ein grosser Vorteil
• Engagierte und kooperative Wissenschaftlerin bzw. kooperativer Wissenschaftler mit starken analytischen und problemlösenden Fähigkeiten, der Fähigkeit, selbstständig und in multidisziplinären Teams zu arbeiten, sowie ausgezeichneten schriftlichen und mündlichen Englischkenntnissen

Was wir bieten

• Ein unterstützendes, kollaboratives und hochmodernes Forschungsumfeld mit Möglichkeiten zur wissenschaftlichen und beruflichen Weiterentwicklung
• Teilnahme an multidisziplinären Forschungsprojekten an der Schnittstelle von Rechnergestützter Biologie, Systembiologie, Metabolismus, Multi-Omics, molekularer Bildgebung und klinischer Forschung
• Die Möglichkeit, mit grossen Datensätzen aus präklinischen und klinischen Studien zu arbeiten
• Enge Zusammenarbeit mit Expertinnen und Experten aus verschiedenen wissenschaftlichen und klinischen Disziplinen

Fragen zur Stelle?

Für weitere Informationen wenden Sie sich bitte an Prof. Mojgan Masoodi, Forschungsleiterin

+41 31 66 4 05 32