Institut for Biokemi og Molekylær Biologi, Syddansk Universitet
Sted: Odense, Danmark
Varighed: 2 år, med mulighed for en 1-årig forlængelse
Startdato: 1. januar 2027, eller snarest muligt derefter
Projektbeskrivelse
Syddansk Universitet søger en postdoc-stilling i grænsefladen mellem beregningsproteomik, maskinlæring og massespektrometri. Den succesfulde kandidat vil blive en del af et banebrydende forskningsprogram med fokus på peptidionisering og fragmentering i LC-MS/MS, med det formål at udvikle nye beregningsmæssige tilgange til peptidfragmenteringsanalyse.
Projektet centrerer sig om store, eksperimentelt kuraterede tandem massespektrometri datasæt og udviklingen af nye beregningsstrategier for fragmenteringsanalyse under analytisk uudforskede forhold. Det bygger på moderne maskinlæringsmetoder til at modellere fragmenteringsadfærd, understøtte spektral fortolkning og muliggøre fremtidige fremskridt i peptididentifikations-workflows.
Stillingen er forankret i Proteinforskningsgruppen (PRG) ved Syddansk Universitet, et internationalt anerkendt miljø inden for proteomik og biologisk massespektrometri. Postdoc-forskeren vil arbejde i tæt samarbejde med eksperimentelle kolleger, der genererer høj-kvalitets tandem MS-data til beregningsmæssig udvikling.
Forskningsmiljø og Samarbejdsstruktur
Proteinforskningsgruppen omfatter otte PI-ledede teams og mere end 50 forskere og studerende, hvilket tilbyder et yderst interaktivt og tværfagligt forskningsmiljø. Den succesfulde kandidat vil spille en central rolle i projektets beregningsmæssige del og vil samarbejde tæt med eksperimentelle forskere, der udvikler nye massespektrometriske metoder og genererer store fragmenteringsdatasæt.
Stillingen tilbyder betydelig videnskabelig uafhængighed og muligheden for at hjælpe med at forme en ny forskningsretning i krydsfeltet mellem maskinlæring, peptidkemi og proteomik.
Ansvarsområder
Postdoc-forskeren forventes at:
Udvikle beregningsmæssige workflows og maskinlærings-workflows til storstilet analyse af tandem massespektrometri data
Bidrage til strukturering, kuratering og kvalitetskontrol af store eksperimentelle MS/MS datasæt
Bygge datadrevne modeller til peptidfragmenteringsanalyse ved hjælp af eksperimentelt genererede spektre
Integrere relevante variabler såsom peptidsekvens, precursor ladningstilstand, kollisionsenergi og peptidmodifikationer i beregningsmæssige rammer
Evaluere modelpræstation ved hjælp af passende ligheds-, kvalitets- og generaliseringsmålinger
Bidrage til udvidelsen af beregningsmæssige modeller mod kemisk og biologisk relevante peptidklasser, herunder udvalgte post-translationelle modifikationer
Undersøge, hvordan beregningsmodeller kan hjælpe med at afsløre fragmenteringstendenser og kemisk meningsfulde mønstre i store MS/MS datasæt
Arbejde uafhængigt med modeludvikling, implementering og beregningsmæssig problemløsning, mens der interageres tæt med eksperimentelle forskere i gruppen
Bidrage til reproducerbare og veldokumenterede beregningspipelines, datastrukturer og analyse-workflows
Formidle resultater gennem peer-reviewed publikationer, konferencepræsentationer og åbne videnskabelige ressourcer, hvor det er relevant
Nødvendige kvalifikationer
Ansøgere skal have:
En ph.d. i beregningsproteomik, bioinformatik, maskinlæring, datalogi, kemometri, analytisk kemi eller et nært beslægtet felt
Stærk erfaring inden for maskinlæring og/eller deep learning anvendt på komplekse videnskabelige datasæt
Dokumenteret evne til selvstændigt at udvikle beregningsmæssige løsninger, herunder modeldesign, implementering, evaluering og dokumentation
Færdigheder i Python og relevante maskinlærings-/datavidenskabsframeworks
Erfaring med dataforbehandling, kuratering og kvalitetskontrol af store og komplekse datasæt
En stærk analytisk tankegang og evnen til at arbejde selvstændigt med beregningsmæssige forskningsproblemer
Interesse for at arbejde i grænsefladen mellem beregning, kemi og massespektrometri
Ønskede kvalifikationer
Følgende kvalifikationer vil blive betragtet som en fordel:
Erfaring med massespektrometri-baseret proteomik, beregningsmæssig massespektrometri eller dataanalyse relateret til peptidfragmentering
Erfaring med neurale netværksarkitekturer, der er relevante for sekvensbaserede forudsigelsesopgaver
Erfaring med modelfortolkning, forklarende AI eller feature-analyse inden for videnskabelig maskinlæring
Interesse for peptidkemi, gasfase-ioners adfærd eller post-translationelle modifikationer
Erfaring med reproducerbare workflows, FAIR-principper for data og skalerbare beregningspipelines
Evne til at samarbejde effektivt på tværs af beregningsmæssige og eksperimentelle discipliner
Syddansk Universitet tilbyder
En unik mulighed for at arbejde i krydsfeltet mellem proteomik, massespektrometri og maskinlæring med videnskabeligt ambitiøs og metodisk innovativ forskning.
Muligheden for at udvikle beregningsmæssige metoder til eksperimentelt genererede høj-kvalitets tandem massespektrometri data
En central og uafhængig rolle i at forme den beregningsmæssige retning for en ny forskningsindsats
Tæt samarbejde med eksperimentelle forskere, der arbejder med peptidionisering, fragmentering og avanceret LC-MS/MS metodeudvikling
Et stærkt tværfagligt forskningsmiljø med ekspertise inden for proteomik, biologisk massespektrometri, peptidkemi og dataanalyse
Adgang til state-of-the-art massespektrometri-platforme og store in-house datasæt
En international og kollaborativ forskningskultur med muligheder for videnskabelig udvikling, publikation og konference deltagelse
Konkurrencedygtig løn og goder i henhold til danske overenskomster, herunder pension og støtte til internationale kandidater, hvor det er relevant
Om Proteinforskningsgruppen
Proteinforskningsgruppen ved SDU er internationalt anerkendt for banebrydende arbejde inden for biologisk massespektrometri, peptid- og proteinkemi, gasfase-kemi og proteomik. Forskning i gruppen spænder over fundamental analytisk kemi, metodeudvikling, strukturel biologi, post-translationelle modifikationer og translationelle anvendelser inden for biomedicin og bioteknologi.
Beliggende i Odense tilbyder gruppen et åbent, kollaborativt og ambitiøst forskningsmiljø med stærk vægt på videnskabelig stringens, tværfaglig udveksling og langsigtet platformopbygning. Den succesfulde kandidat vil blive en del af et miljø, hvor beregningsmæssige og eksperimentelle forskere arbejder i tæt interaktion.
Ansøgningsfrist: 16. november 2026 kl. 23:59 lokal dansk tid.
