Postdoktor i molekylär biofysik, inriktad på Bayesisk modellering - Under tillsättning eller tillsatt, ej sökbar

Arbetsuppgifter

Vi söker efter en högt motiverad kandidat med signifikant erfarenhet av probabilistisk modellering för ett projekt där Bayesisk-statistiska modeller utvecklas för att analysera experimentella data som används för att studera proteiners tredimensionella struktur.  

Ett centralt mål i det här projektet är att lösa några av de fundamentala frågeställningarna kring hur proteiner självassocierar för att bilda större strukturer med användning av tidsupplösta experimentella data, primärt från small angle scattering (SAS) data. Kandidaten kommer att utveckla Bayesiska metoder för inferens av kinetiska modeller av självassociationsprocesser från experimentella data. Projektet kommer också att involvera utveckling av andra statistiska metoder kopplade till analys av SAS-data samt andra metoder att för att studera blandningar av proteiner i lösning.  

Vi kan överväga kandidater med två skilda bakgrunder för den här tjänsten. Antingen beräkningsbaserad statistiker med expertis inom Bayesisk modellering. Alternativt, en SAS-expert med erfarenhet av utveckling av beräkningsmetoder.  

Candidates with computational statistics background are not required to have an expertise in protein science or scattering methods, but should have an interest in applying probabilistic modeling to problems in chemistry and physics.  

Kandidater inom beräkningsbaserad statistisk behöver inte ha bakgrund inom proteinvetenskap eller SAS, men bör ha ett intresse av att tillämpa probabilistisk modellering inom kemi och fysik. 

Projektet är högst multidisciplinärt och involverar samarbeten med forskare från Lunds universitet, Chalmers och European Spallation Source (ESS). 

Kvalifikationer beräkningsbaserad statistik: 

• Kandidaten bör ha en doktorsexamen i statistik, datorvetenskap, maskininlärning, bioinformatik, biofysik eller annat relevant område.
• Kandidaten skall ha en bakgrund inom beräkningsbaserade probabilistiska modellering. Erfarenhet av analys av data med Bayesisk-statistiska metoder med hjälp av Markov Chain Monte Carlo samplingsmethoder är nödvändigt.
• Kandidaten bör ha substantiell erfarenhet av att utveckla program för avancerade plattformar för statistiska beräkningar.
• Kandidaten bör vara flytande på engelska i både skriftlig och muntlig form. 

Kandidater med SAS-bakgrund behöver inte ha bakgrund I Bayesisk statistic, men bör tillgodogjort sig tillräcklig förståelse för att förstå den teoretiska basen för probabilistisk modelleringsmetoder och ha ett intresse av att applicera sådana inom SAS.  

Kvalifikationer SAS-bakgrund:

Qualifications SAS background:

• Kandidaten skall ha en doktorsexamen i kemi, fysik, biofysik eller annat relevant område.
• Kandidaten skall ha substantiell erfarenhet av beräkningsbaserad modellering av SAS-data.
• Kandidaten skall ha erfarenhet av utveckling av vetenskaplig programvara.
• Kandidaten bör vara flytande på engelska i både skriftlig och muntlig form. 

Följande erfarenheter anses meriterande:

• Bakgrund inom ett eller flera av följande programmeringsspråk: C++, C, Matlab, Python, R
• Erfarenhet av plattformar för probabilistisk modellering, tex Stan, PyMC3 eller Edward.
• Bakgrund med Bayesian graphical networks

Bakgrund med proteinmodellering

Villkor

Universitetet tillämpar individuell lönesättning. Ange gärna löneanspråk i din ansökan.