Doktorand i röntgenspektroskopi

Doktorand i evolutionär genomik Institutionen för ekologi och genetik (IEG) är en del av Evolutionary Biology Centre (EBC), ett dynamisk och internationellt erkänt centrum för evolutionsbiologisk och ekologisk forskning. IEG omfattar forskargrupper som arbetar på alla nivåer av biologisk organisation (från molekyler till ekosystem) och med flera olika studiesystem (växter, djur, svampar, bakterier). Programmet för växtekologi och evolution, där doktorandpositionen är placerad, rymmer nio forskargrupper som fokuserar på genomik, anpassning och artbildning samt på samhällsekologi. Forskarna har tillgång till förstklassiga växthus och klimatkontrollerade faciliteter, moderna molekylärbiologiska laboratorier och ett högpresterande datorkluster (UPPMAX). Institutionen arbetar nära den nationella infrastrukturen SciLifeLab. Kort projektbeskrivning: Könskvoten och könskromosomernas evolution Könskromosomer är av grundläggande betydelse inom biologin, men vår förståelse av deras evolution är fortfarande begränsad. Genetiska konflikter, såsom meiotisk drive som påverkar könsfördelningen, har länge kopplats till den snabba evolutionen av könskromosomer och kan därmed bidra till divergens och artbildning. I detta projekt studeras ett växtsläkte, vide (Salix), som är tvåbyggare. Inom Salix är en skev könskvot till honornas fördel vanlig och en hög omsättning av könskromosomer har beskrivits. (Mer beskrivning av projektet finns på Uppsala universitets hemsida, https://uu.se/jobb/ ) I detta doktorandprojekt kommer du att utföra forskning om några av de mest fascinerande frågorna inom evolutionsbiologi: hur könskromosomer utvecklas och vad som styr könskvoter i naturliga populationer. Du kommer att arbeta med avancerade metoder inom populationsgenomik, bioinformatik och modellering, och, till en mindre del, även med experiment i odlingsrum och i det molekylärbiologiska laboratoriet. Som doktorand deltar du i ett anpassat kursprogram som stödjer din vetenskapliga och akademiska utveckling samt stärker dina pedagogiska färdigheter. För den som är intresserad finns goda möjligheter att delta i undervisning. Kvalifikationskrav Behörig till utbildning på forskarnivå är den som har avlagt examen på avancerad nivå inom biologi med specialisering i evolutionär biologi, populationsgenetik/genomik, bioinformatik eller närliggande ämne. Du är också välkommen att ansöka om du förväntas ta din examen inom kort. Vänligen förklara detta i din ansökan. 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. Behöriga sökande ska kunna visa färdigheter i evolutionsbiologi och avancerat populationsgenomik. Sökande ska dessutom ha förmåga och intresse av att arbeta i team, samtidigt som de kan arbeta och bidra självständigt. Sökande måste kunna uttrycka sig mycket väl både muntligt och skriftligt på engelska. Vid bedömningen av kandidater kommer särskild vikt att läggas vid personliga egenskaper såsom självständighet, stark motivation och god samarbetsförmåga. Meriterande Tidigare erfarenheter med populationsgenomisk modellering (t.ex. SLiM), analys av strukturella varianter från long-read-data samt populationsgenomiska analyser (WGS) är meriterande— dessa tekniker kommer att behövas i projektet. Utbildning eller tidigare deltagande i forskning om könskvoter, könskromosomernas evolution, strukturell variation, själviska genetiska element, meiotisk drive eller närliggande ämnen är en fördel. Åtminstone en mindre del av doktorandprojektet kommer att omfatta molekylärt laboratoriearbete samt experiment i med växter (videarter). Har du tidigare arbetat med dessa metoder är det bra, men det är inte nödvändigt; vi förväntar oss dock att kandidater är intresserade av att lära sig dessa praktiska färdigheter. Även om projektet har en preliminär plan med finansiering från Vetenskapsrådet, kommer de olika delarna av projektet att revideras och vidareutvecklas baserat på aktuella framsteg och resultat. Vi förväntar oss att doktoranden tar en aktiv roll i projektets utveckling! Om anställningen Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde från 2026-10-01 eller under hösten 2026 enligt överenskommelse. Placeringsort: Uppsala Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer. Upplysningar om anställningen och projektet lämnas av:  Prof. Sophie Karrenberg, sophie.karrenberg@ebc.uu.se, +46 76 820 7578 I denna rekrytering har vi ersatt det personliga brevet med frågor som du besvarar i samband med din ansökan. Svaren kommer att användas som en del i urvalsprocessen. Vi ber även alla kandidater att ladda upp ett CV och att ange minst 2 referenser. Välkommen med din ansökan senast 12 augusti 2026, UFV-PA 2026/2126. Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. Vår viktigaste tillgång är alla 7 500 anställda och 53 000 studenter som med nyfikenhet och engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser. 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 Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök vi extern webbplats” eller se Uppsala universitets hemsida: https://uu.se/jobb/

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