myScience
Lausanne
Vor 4 Wochen
Postdoktorandenstelle in Computational Genomics, Maschinellem Lernen & Einzelzellbiologie
- 13 Februar 2026
- 100%
- Lausanne
Über den Job
Postdoktorandenstelle in Computational Genomics, Maschinellem Lernen & Einzelzellbiologie
Arbeitsort Lausanne - Genferseeregion - SchweizKategoriePositionVeröffentlicht12. Februar 2026Die EPFL, die Eidgenössische Technische Hochschule Lausanne, ist einer der dynamischsten Universitätsstandorte Europas und gehört zu den Top 20 Universitäten weltweit. Die EPFL beschäftigt mehr als 6.500 Mitarbeiter, die die drei Hauptaufgaben der Institution unterstützen: Lehre, Forschung und Innovation. Der EPFL-Campus bietet ein außergewöhnliches Arbeitsumfeld im Herzen einer Gemeinschaft von mehr als 18.500 Personen, darunter über 14.000 Studierende und 4.000 Forschende aus mehr als 120 verschiedenen Ländern.
Postdoktorandenstelle in Computational Genomics, Maschinellem Lernen & Einzelzellbiologie
Das Projekt konzentriert sich auf die Integration und Analyse multimodaler Einzelzelldatensätze, einschließlich 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 der zellulären 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.
Tätigkeitsumfang: 100,00 %
Vertragsart: Befristet
Dauer: 12 Monate
Referenz: 2072
Postdoktorandenstelle in Computational Genomics, Maschinellem Lernen & Einzelzellbiologie
Aufgabe
Wir suchen eine hochmotivierte Postdoktorandin bzw. einen hochmotivierten Postdoktoranden mit fundierter Ausbildung in Computational Biology und/oder Maschinellem Lernen, die/der an einem interdisziplinären Projekt an der Schnittstelle von Einzelzellgenomik, Datenintegration und Entwicklungsbiologie mitarbeitet.Das Projekt konzentriert sich auf die Integration und Analyse multimodaler Einzelzelldatensätze, einschließlich 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 der zellulären 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
- Arbeiten und Zusammenarbeiten an Forschungsprojekten
- Analyse und Veröffentlichung von Ergebnissen
- Aufbau eines starken Netzwerks im Forschungsfeld
- Teilnahme an 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 hochkarätige Publikationen und Karriereentwicklung
Informationen
Vertragsbeginn: 01.06.2026Tätigkeitsumfang: 100,00 %
Vertragsart: Befristet
Dauer: 12 Monate
Referenz: 2072
Bitte beziehen Sie sich in Ihrer Bewerbung auf myScience.ch und geben Sie die Referenz JobID69250 an.
