Bioinformatiker i avancerad maskininlärning och AI

Are you passionate about transforming complex spatial biology data into actionable insights? Do you thrive in a cross-functional environment bridging experimental and computational teams? Moleculent is looking for an experienced Computational Biology Scientist with Immunology knowledge to drive and evolve our Applications and Fee-for-Service (FFS) initiatives. Join us to contribute to cutting-edge technology that unveils new perspectives on human biology! Moleculent is on an exciting mission to map cell communication at the molecular level in tissue, aiming to unlock radical new insights into human biology. This is a chance to join a focused and dedicated team with extensive experience in building successful life science companies and products. This is a permanent position based in Solna, Stockholm, with the possibility to work remotely. We welcome your application, but please note that interviews will be conducted in August! JOB DESCRIPTION As a Computational Biology Scientist, you will play a key role in driving data analysis workflows for customer and internal validation projects. You will take ownership of project design, biological interpretation, and stakeholder communication, working closely with wet-lab scientists, the Applications Team Lead, and R&D to ensure high-quality, reliable data insights. Key responsibilities: Design and interpret analysis strategies to support application development and pilot studies. Execute image preprocessing, cell segmentation, and spatial metrics extraction using established pipelines. Compile and visualize results into standardized reports for internal use and customer delivery. Collaborate on refining methods, troubleshooting, and prototyping new analysis metrics. Ensure data traceability and compliance with Moleculent's data packaging standards.  QUALIFICATIONS To fit this role well, you should hold an MSc or PhD in computational biology, bioinformatics, image analysis, spatial omics, or a related field. It’s a strong advantage if you have done a postdoc in a relevant field. Fluency in both written and spoken English, along with strong computer skills, is essential. Experience in clearly and effectively presenting data—both in writing and in oral presentations—is a key requirement. Proficiency in Python and spatial single-cell analysis, with the ability to design, execute, and interpret analysis workflows for complex datasets. A solid understanding of immunology is important, as our data closely relates to immune cell populations, marker panels, and tissue-based immune profiling. Experience working directly with customers—whether through pilot studies, fee-for-service delivery, or technical support—is highly valued in this role. Experience working across R&D, product, and commercial functions is a plus. Skilled in summarizing insights for cross-functional teams.  MOLECULENT We believe that our understanding of the molecular basis of human biology, in health and disease will increase radically in the coming ten years. This will lead to a vast improvement in therapies, and diagnostics, and a new, fundamental understanding of our own biology. Moleculent is on a mission to develop technology-enabled products that leverage new insights into the molecular foundation of human biology. https://www.moleculent.com/

Doktorand i AI och maskininlärning för cancerforskning Institutionen för immunologi, genetik och patologi vid Uppsala universitet har en bred forskningsprofil med starka forskargrupper inriktade på bl.a cancer, autoimmuna och genetiska sjukdomar. En av grundtankarna vid institutionen är att stimulera translationell forskning och därmed en närmare samverkan mellan medicinsk forskning och sjukvården.Läs gärna mer om institutionen här: https://www.uu.se/institution/immunologi-genetik-och-patologi Vill du använda artificiell intelligens och maskininlärning för att förstå — och programmera om — beteendet hos en av världens farligaste cancersjukdomar? Vi söker en doktorand som vill bedriva forskning i världsklass kring glioblastom: en hjärntumör vars dödlighet inte drivs av spridning till andra organ, utan av dess förmåga att kontinuerligt byta biologisk karaktär och invadera hjärnvävnaden. Med oss får du möjligheten att kombinera spjutspetsig AI-metodutveckling med direkt experimentell validering, i en internationell forskningsmiljö med starka samarbeten och unika resurser. Forskargruppen leds av professor Sven Nelander vid IGP Uppsala universitet. Vi arbetar i skärningspunkten mellan AI/maskininlärning, systembiologi och experimentell neuro-onkologi. Vår grupp har under mer än ett decennium byggt upp unika resurser: en biobank med över 100 patientavledda glioblastomceller (distribuerade till 54 laboratorier i 17 länder), storskalig Perturb-seq-data, egenutvecklade CRISPR-reporterverktyg och ett prototypsystem för multimodal AI. Gruppen är en del av det nationella strategiska forskningscentrumet CNSx3 och har koppling till UUniFIs AI-institute. Ett unikt sammanhang för spjutspetsforskning med verklig tvärvetenskaplig karaktär. Projektet finansieras av Vetenskapsrådet, Cancerfonden, KAW och SSF. Arbetsuppgifter Det grundläggande problemet vi vill lösa är att förstå hur celler i en hjärntumör väljer att byta karaktär — och hur vi kan använda den kunskapen för att aktivt styra dem mot mer behandlingskänsliga tillstånd. Vi kallar detta state steering. Till skillnad från konventionell cancerterapi, som syftar till att döda tumörceller med brett verkande terapier, syftar state steering till att omprogrammera dem. Via omprogrammeringen uppnås en rad effekter, såsom minskad invasion, ökad känslighet till strålning, eller senescens. Du kommer att arbeta med två huvudsakliga typer av data som samlas in inom ramen för det strategiska forskningscentrumet CNS×3: storskaliga interventionsexperiment, där vi systematiskt kartlägger hur genetiska och farmakologiska störningar påverkar tumörcellernas plasticitet, samt bildbaserad spårningsdata, där enskilda tumörceller följs i realtid när de vandrar genom hjärnvävnad. Målet är att bygga AI-modeller som samlar dessa datakällor och kan förutsäga hur en given behandling påverkar tumörens beteende och utfall.  Befintliga verktyg som gömda Markov-modeller (HMM), som används för att analysera enskilda cellers rörelser i bilddata, är specialfall av detta ramverk. Det nya bidraget, rewire-seq, är en mer generell och dataskalbar version som kombinerar storskaliga interventionsexperiment med bildbaserad cellspårning för att ge en sammanhållen bild av tumördynamiken. En nyckelkomponent i projektet är cyklisk experimentering: modellens prediktioner styr direkt valet av nästa experiment, och resultaten återmatas in i modellen — en process som gör forskningen progressivt mer precis. Du arbetar nära experimentella kollegor i en teambaserad miljö och omvandlar gemensamt biologiska frågor till beräkningslösningar med klinisk relevans. Kvalifikationskrav Behörig till utbildning på forskarnivå är den som har - avlagt examen på avancerad nivå inom beräkningsbiologi, bioinformatik, maskininlärning, tillämpad matematik, biofysik, molekylärbiologi, eller liknande, eller - fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller - på något annat sätt förvärvat i huvudsak motsvarande kunskaper. Projektet kräver solid förståelse av den matematik som ligger till grund för AI och maskininlärning — exempelvis linjär algebra, sannolikhetslära och statistisk inferens. Du bör ha konkret erfarenhet av krävande dataanalyser, t.ex. inom genomik, bildanalys eller biokemiska screeningdata. Starka programmeringsfärdigheter i Python, R eller annat språk är nödvändigt. Vi är öppna för sökande med potential att kombinera experimentellt och beräkningsbaserat arbete. Projektet passar dig som på lång sikt vill arbeta med spjutspetsforskning inom akademi eller industri. Stor vikt läggs vid personlig lämplighet. Utmärkt talad och skriven engelska krävs i rollen. Önskvärt/meriterande i övrigt Erfarenhet av analys av single-cell RNA-sekvensdata, CRISPR-screening, eller bilddata. Erfarenhet av djupinlärning eller grafneurala nätverk. Erfarenhet av modellering av dynamiska system eller systemkontroll. Tidigare erfarenhet av metodutveckling eller publicerad forskning. Intresse för cancerbiologi och förmåga att formulera biologiska hypoteser utifrån data. Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer. Om anställningen  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde snarast möjligt eller enligt överenskommelse. Placeringsort: Uppsala Upplysningar om anställningen lämnas av: Sven Nelander, sven.nelander@igp.uu.se. Välkommen med din ansökan senast den 16 augusti2026, UFV-PA 2026/1605. Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet https://uu.se/om-uu/jobba-hos-oss/ Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd. Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp. Ansökan tas emot i Uppsala universitets rekryteringssystem. Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se