Universität Basel
Basel
Poste de chercheur postdoctoral en conception de médicaments pilotée par l'IA
- 25 août 2026
- 100%
- 4000 Basel
À propos de cette offre
L'intelligence artificielle transforme rapidement la conception moléculaire et la découverte de médicaments. Cependant, l'identification de candidats-médicaments réussis nécessite plus que la génération de molécules avec une affinité prédite élevée : la sélectivité, les propriétés physico-chimiques, les effets indésirables potentiels, l'accessibilité synthétique et les retours expérimentaux doivent être pris en compte simultanément.
Nos recherches au sein du groupe de Pharmacie Computationnelle de l'Université de Bâle se concentrent sur le développement d'approches d'IA de nouvelle génération pour la conception de médicaments en combinant l'apprentissage automatique de pointe avec les connaissances physico-chimiques et la modélisation moléculaire. Parmi les publications représentatives de notre groupe figurent :
https://doi.org/10.1038/s41467-025-63947-5
https://doi.org/10.1021/acs.jcim.2c01436
https://doi.org/10.1021/acs.jcim.1c01438
https://doi.org/10.1038/s42004-020-0261-x
Nos recherches au sein du groupe de Pharmacie Computationnelle de l'Université de Bâle se concentrent sur le développement d'approches d'IA de nouvelle génération pour la conception de médicaments en combinant l'apprentissage automatique de pointe avec les connaissances physico-chimiques et la modélisation moléculaire. Parmi les publications représentatives de notre groupe figurent :
https://doi.org/10.1038/s41467-025-63947-5
https://doi.org/10.1021/acs.jcim.2c01436
https://doi.org/10.1021/acs.jcim.1c01438
https://doi.org/10.1038/s42004-020-0261-x
Votre poste
Un poste postdoctoral entièrement financé est disponible au sein du groupe de Pharmacie Computationnelle de l'Université de Bâle dans le cadre d'un projet de recherche international Innosuisse sur la découverte de médicaments en boucle fermée pilotée par l'IA.
Le projet vise à établir une plateforme intégrée Design-Make-Test-Analyse (DMTA) combinant IA générative, espaces chimiques ultra-larges accessibles synthétiquement, représentations moléculaires informées par la physique, prédiction des cibles hors cible et retours expérimentaux. Les méthodes développées seront appliquées dans des cycles itératifs prospectifs de découverte de médicaments, avec une sérine protéase du système du complément servant d'étude de cas réelle pour l'optimisation de leads.
Le candidat retenu jouera un rôle central dans les composantes computationnelles et IA du projet et travaillera en étroite collaboration avec nos partenaires internationaux et industriels.
Vous serez responsable de :
Le projet vise à établir une plateforme intégrée Design-Make-Test-Analyse (DMTA) combinant IA générative, espaces chimiques ultra-larges accessibles synthétiquement, représentations moléculaires informées par la physique, prédiction des cibles hors cible et retours expérimentaux. Les méthodes développées seront appliquées dans des cycles itératifs prospectifs de découverte de médicaments, avec une sérine protéase du système du complément servant d'étude de cas réelle pour l'optimisation de leads.
Le candidat retenu jouera un rôle central dans les composantes computationnelles et IA du projet et travaillera en étroite collaboration avec nos partenaires internationaux et industriels.
Vous serez responsable de :
- Développer et adapter des approches d'apprentissage automatique pour la conception moléculaire basée sur la structure et générative.
- Intégrer des informations physico-chimiques, y compris les caractéristiques d'interaction protéine-ligand, dans les flux de travail d'IA générative.
- Développer des flux de travail computationnels pour les cycles DMTA en boucle fermée dans lesquels les données expérimentales d'affinité, de sélectivité et de propriétés moléculaires sont continuellement utilisées pour améliorer la prochaine génération de molécules proposées.
- Appliquer et valider prospectivement les approches développées dans la conception et l'optimisation d'inhibiteurs de sérine protéase.
- Collaborer étroitement avec des scientifiques computationnels, chimistes et biologistes au sein du consortium international du projet.
- Contribuer aux publications scientifiques, présentations et rapports de projet.
Votre profil
- Doctorat en chimie computationnelle, chimiométrie, informatique, physique ou discipline apparentée.
- Solide expérience en apprentissage automatique et apprentissage profond.
- Compétences solides en programmation, notamment en Python.
- Expérience dans au moins un des domaines suivants :
- IA moléculaire générative,
- chimiométrie et représentations moléculaires,
- conception de médicaments basée sur la structure et modélisation protéine-ligand,
- Une expérience en modélisation moléculaire et une bonne compréhension des principes physico-chimiques régissant la reconnaissance moléculaire sont fortement souhaitées.
- Un solide dossier de publications dans des revues internationales reconnues de haute qualité est requis, telles que des revues de premier plan en chimie computationnelle (par exemple, JCTC, Journal of Chemical Physics) ou des conférences de premier plan en apprentissage automatique (par exemple, ICLR, ICML, NeurIPS), selon le parcours de recherche du candidat.
- Excellentes compétences en communication orale et écrite en anglais.
- Chercheur hautement motivé, indépendant et collaboratif, intéressé par le travail à l'interface entre le développement méthodologique et la découverte prospective de médicaments.
Nous vous offrons
- Un poste postdoctoral dans un projet de recherche interdisciplinaire à l'interface de l'intelligence artificielle et de la découverte de médicaments.
- L'opportunité de développer de nouvelles méthodologies computationnelles et de les tester directement dans des cycles prospectifs Design-Make-Test.
- Une interaction étroite avec des chercheurs en découverte de médicaments expérimentaux ainsi que des partenaires industriels et internationaux du projet.
- Un environnement de recherche international et collaboratif à l'Université de Bâle.
Candidature / Contact
Veuillez soumettre vos documents de candidature complets, comprenant :
Les candidatures doivent être soumises via la plateforme de recrutement en ligne de l'Université de Bâle.
Le poste est disponible immédiatement.
Vous pouvez en savoir plus sur nos recherches à :
https://pharma.unibas.ch/de/research/research-groups/computational-pharmacy-2155/
Pour toute question, veuillez contacter le Prof. Markus Lill ( markus.lill@unibas.ch ).
Veuillez soumettre vos documents de candidature complets, comprenant :
- lettre de motivation (max. 1 page) mettant en avant vos intérêts de recherche, expériences et compétences pertinentes,
- CV incluant la liste des publications,
- certificat de doctorat ou confirmation de l'achèvement prévu, et
- coordonnées d'au moins deux références académiques.
Les candidatures doivent être soumises via la plateforme de recrutement en ligne de l'Université de Bâle.
Le poste est disponible immédiatement.
Vous pouvez en savoir plus sur nos recherches à :
https://pharma.unibas.ch/de/research/research-groups/computational-pharmacy-2155/
Pour toute question, veuillez contacter le Prof. Markus Lill ( markus.lill@unibas.ch ).
Université de Bâle
4000 Bâle
4000 Bâle
