Founding Computational Biologist

Por favor, inclua:

• O seu CV
• A URL do seu perfil no LinkedIn
• Links para qualquer trabalho público relevante (GitHub, Hugging Face, Google Scholar, site pessoal, etc.)
• Opcionalmente, um pequeno parágrafo sobre o que o atraiu para este papel

Você seria o primeiro cientista na função de Biologia Computacional e IA da Valvian, trabalhando diretamente com o Chefe de Biologia Computacional e IA. Estamos a construir uma plataforma computacional que reúne modelos de IA e dados experimentais proprietários para encontrar alvos e candidatos a fármacos em oncologia e distúrbios relacionados à idade que o conhecimento existente não torna óbvios.

O primeiro grande desafio está a montante de qualquer modelo de IA. Na nossa área terapêutica, as evidências estão dispersas em diferentes recursos públicos, literatura primária e dados experimentais internos, reportados de forma inconsistente e profundamente dependentes do contexto experimental que raramente é registrado. Se um substrato de dados é estruturado, consciente da proveniência e honesto sobre incertezas determina se algo construído em cima dele pode ser confiável. Um modelo treinado em dados não estruturados através da literatura aprende a forma dessa literatura e seus preconceitos em vez da biologia subjacente. Esse substrato de dados estruturados é o núcleo do papel.

Quais devem ser as características do modelo de dados? Quais observações podem ser legitimamente comparadas? Como deve ser representada a evidência conflitante em vez de ser silenciosamente reconciliada? Como diferentes entidades dependem umas das outras? Como unificamos os dados existentes com os nossos? Você ajudaria a responder essas e outras perguntas, e então implementar os pipelines e processos para povoar, manter e expandir este recurso à medida que se torna um substrato confiável para a implementação de modelos preditivos de IA.

Como a função é nova, o trabalho é incomumente amplo. Você teria participação ativa no desenvolvimento da plataforma completa, ou seja, o modelo de dados, os pipelines, a curadoria, as automações e as conversas com o laboratório, em vez de possuir uma fatia estreita de um sistema existente.

Sobre a Valvian: A Valvian é uma empresa de biotecnologia com sede em Lisboa, desenvolvendo terapias de próxima geração para câncer e distúrbios relacionados à idade. Existimos porque o câncer e as doenças do envelhecimento permanecem entre as maiores fontes de sofrimento humano, e o manual convencional de descoberta de fármacos tem sido lento para fechar a lacuna. Nossa aposta é que melhores terapias virão de uma integração mais estreita da biologia da doença, biomarcadores translacionais e pipelines computacionais.

Na oncologia, nosso foco são tumores sólidos, onde a complexidade do antígeno, o microambiente tumoral e a evasão imunológica exigem seleção cuidadosa de modalidades, segurança por design e tradução orientada por biomarcadores. Nosso portfólio inclui anticorpos e terapias celulares projetadas especificamente para as restrições dos tumores sólidos. Em distúrbios relacionados à idade, trabalhamos na biologia do envelhecimento em nível de sistema: envelhecimento imunológico, inflamação crônica, disfunção tecidual progressiva e senescência celular, com âncoras de biomarcadores que tornam cada programa pronto para desenvolvimento.

Responsabilidades Principais

• Fundamentos de Dados: Levar dados experimentais e públicos brutos e desordenados a algo utilizável: ingestão, limpeza, estruturação e as decisões de julgamento que acompanham isso. Construir e manter os pipelines e ferramentas das quais o resto da equipe depende, com controle de versão, gerenciamento de ambiente, reprodutibilidade e testes onde for importante desde o início. Trabalhar em infraestrutura moderna de nuvem, com atenção à conformidade com o GDPR e soberania de dados desde o primeiro dia.
• Modelo de Evidência e Curadoria: Ajudar a projetar o modelo de dados que contém nossas evidências: as entidades, relacionamentos, vocabulários controlados e escalas de confiança que permitem que uma afirmação seja avaliada em vez de assumida, e então curar contra isso em volume. Integrar dados heterogêneos enquanto preserva o contexto experimental, a proveniência e a incerteza, para que o que uma medição realmente significa sobreviva ao ato de armazená-la. Avaliar sistematicamente bancos de dados biológicos públicos contra uma especificação comum, estabelecendo o que cada um pode e não pode suportar, e o que integrar realmente custaria.
• Fluxos de Trabalho Automatizados e Agentes: Projetar e avaliar a extração semi-automatizada de evidências da literatura científica, incluindo decidir como tal sistema deve ser pontuado e onde não deve ser confiável. Tratar saídas de modelos como entradas científicas em vez de respostas finais, com medição explícita de onde eles têm sucesso e falham. Ajudar a construir os primeiros modelos preditivos em cima da camada de evidências e projetar validações que testem se eles generalizam para casos que não viram em vez de reproduzir o que lhes foi mostrado.
• Parceria Científica: Trabalhar diretamente com nossos cientistas de laboratório sobre o que seus registros de dados contêm e o que não contêm, na linguagem do experimento em vez de através de um intérprete. Ajudar a traduzir descobertas computacionais em experimentos que valem a pena serem realizados, usando o que a plataforma revela como incerteza para identificar onde uma medição seria mais informativa. Fornecer um segundo par de olhos sobre reivindicações de domínio antes que informem decisões, incluindo as nossas. Dizer que uma conclusão não segue faz parte do trabalho. Produzir documentação clara o suficiente para que o resto da equipe possa entender e construir sobre o que você fez.

Qualificações Necessárias

Cuidamos mais do que você construiu do que de caixas marcadas. Se a maior parte disso soa como você, candidate-se.

• Três a seis anos em biologia computacional, bioinformática, proteômica, biologia estrutural ou um campo quantitativo relacionado. Um PhD ou forte experiência prática são preferidos.
• Experiência em levar dados biológicos brutos e desordenados através de uma análise ou ferramenta funcional, do início ao fim, gerando resultados significativos, robustos e rastreáveis.
• Python forte: módulos, testes, controle de versão, código que outra pessoa pode executar seis meses depois.
• SQL, R e ferramentas de fluxo de trabalho como Nextflow, Snakemake ou Airflow são todos úteis aqui.
• Algo que você construiu que outras pessoas e/ou sistemas usaram: um pipeline, um banco de dados, um processo, uma ferramenta. Melhor ainda se você tiver experiência em construir e manter pipelines de ingestão e harmonização de dados.
• Conhecimento prático de LLMs e sistemas agentes no contexto do trabalho científico.
• O julgamento para distinguir uma observação de uma interpretação de uma hipótese, no trabalho de outras pessoas e no seu próprio.
• Ler uma seção de métodos e dizer o que estabelece, o que não estabelece e o que está faltando é central para o papel.
• Conforto em trabalhar a partir de primeiros princípios com especificação incompleta, e o instinto de enviar uma versão inicial para aprender em vez de esperar por uma imagem completa.
• A capacidade de trabalhar na fronteira computacional e experimental.

Qualquer uma dessas fortaleceria sua candidatura:

• Fluxos de trabalho de espectrometria de massa, proteômica ou biologia estrutural; reagentes de afinidade e sua validação, incluindo especificidade de anticorpos, ensaios de ligação e controles enzimáticos; ontologias, gráficos de conhecimento ou integração de dados estruturados; modelagem consciente da incerteza, aprendizado ativo ou design experimental; mineração de literatura, extração de dados estruturados baseada em LLM de artigos, ou qualquer sistema agente que você construiu e mediu; um histórico público de código que podemos analisar; experiência anterior em biotecnologia, descoberta de fármacos ou pesquisa translacional.
• Não é necessário ter uma profunda especialização em nossa biologia específica.

Habilidades Interpessoais:

• Orientação para Descoberta: confortável em trabalhar a partir de primeiros princípios com especificação incompleta. Gosta da fase em que os requisitos emergem através da construção e aprendizado, em vez de executar entregas pré-definidas.
• Pensamento Crítico: desafia briefs, ferramentas e métodos com evidências. Não recorre automaticamente ao consenso.
• Propriedade: impulsiona decisões de ponta a ponta, desde a definição até a validação. Possui resultados, não apenas entregas.
• Inclinação para Iteração: envia versões iniciais para aprender, depois refina de forma inteligente. Confortável com imperfeições nas primeiras iterações, disciplinado sobre convergir.
• Conforto Interdisciplinar: Trabalha através de fronteiras computacionais e experimentais sem precisar que nenhum dos lados seja traduzido, e gosta de problemas onde os dados são complexos, heterogêneos e dependentes de como foram produzidos.
• Comunicação Clara: explica trabalho técnico para audiências de engenharia, científicas e não técnicas.

O que Oferecemos:

Um papel fundador na plataforma computacional da Valvian, reportando-se ao Chefe de Biologia Computacional e IA. Colaboração direta com liderança científica e computacional sênior sobre direção arquitetônica e científica. Salário competitivo mais participação significativa. Presença híbrida em Lisboa, calibrada às necessidades do projeto. Colaborações internacionais e exposição ao ecossistema europeu de biotecnologia.