Дополнительные требования Требуется младший научный сотрудник для реализации проектов в области молекулярной биологии, белковой инженерии и биоинформатики, обладающий компетенциями в применении искусственного интеллекта и машинного обучения для анализа биологических данных, который: 1. за последние 2–3 года имеет опыт выступлений на научных конференциях (международных и/или всероссийских) в области молекулярной биологии, иммунологии, биотехнологии или биоинформатики, с подтверждёнными успехами: призовые места, победы в конкурсах молодых учёных, приглашённые доклады на саммитах. 2. имеет опыт работы в области молекулярной биологии, белковой инженерии и биоинформатики, включая владение следующими методами и технологиями: ▸ конструирование рекомбинантных генетических конструкций, кодирующих мультиспецифические антитела на основе VHH (наноантитела), в различных форматах (биспецифические KiH-гетеродимеры, тандемные и тетравалентные молекулы), включая клонирование, ПЦР-амплификацию, рестрикцию, лигирование и секвенирование ДНК; ▸ электротрансформация компетентных клеток E. coli, отбор целевых клонов; ▸ наработка и очистка рекомбинантных антител в эукариотических экспрессионных системах (HEK293T), аффинная хроматография; ▸ горизонтальный электрофорез нуклеиновых кислот в агарозном геле и вертикальный электрофорез белков в полиакриламидном геле (SDS-PAGE); ▸ продукция псевдотипированных лентивирусов (SARS-CoV-2 Spike-псевдовирусы), проведение тестов вируснейтрализации на клеточных линиях с применением проточной цитометрии; ▸ культивирование клеток животных (HEK293T, K562), трансфекция эукариотических клеток; ▸ in silico моделирование структур белков и белок-белковых комплексов: молекулярный докинг (HADDOCK3, LightDock), предсказание 3D-структур антител (NanoBodyBuilder2, Rosetta/RoseTTAFold), расчёт констант аффинности (PRODIGY); ▸ знание операционных систем Windows, Ubuntu и Debian Linux; ▸ программирование на языках Python (NumPy, Pandas, PyTorch, Matplotlib) и Golang; владение SQL, Docker, CI/CD, Git; ▸ работа с геномными базами данных, биоинформатический анализ метагеномных и транскриптомных данных, молекулярная динамика; ▸ разработка ПО для автоматизации анализа экспериментальных данных (обработка данных проточной цитометрии, построение кривых нейтрализации, расчёт IC50, автоматизация молекулярного докинга). 3. имеет опыт применения методов искусственного интеллекта и машинного обучения для решения задач в области биотехнологий и молекулярной биологии: ▸ проектирование и обучение контекст-зависимых моделей машинного обучения с использованием PyTorch для анализа биологических данных; ▸ опыт разработки ML-моделей для классификации и обработки данных проточной цитометрии, включая автоматическую идентификацию клеточных популяций; ▸ понимание принципов data engineering: подготовка датасетов из экспериментальных данных, валидация моделей, визуализация результатов; ▸ готовность к интеграции AI/ML-подходов в рутинные лабораторные процессы для повышения воспроизводимости и скорости анализа. 4. имеет дополнительный опыт и компетенции: ▸ опыт обработки и интерпретации результатов in vivo экспериментов; ▸ опыт участия в стартап-проектах в области биотехнологий, включая привлечение грантового финансирования (СТАРТ-1 ФСИ); ▸ опыт написания научных статей, подготовки патентных заявок; ▸ опыт выступлений на международных конференциях (OpenBio, Сириус.Биотех) с получением призовых мест; ▸ опыт разработки коммерческого ПО для биотехнологических компаний (системы генетической диагностики, ПО для автоматизации производства диагностических наборов).