Chercheur Associé / Chercheur, Biologie Structurale Computationnelle

Nous recherchons un Chercheur Associé / Chercheur temporaire en Biologie Structurale Computationnelle pour soutenir la chaîne in silico du groupe Développement Parenteraux pour le développement de Grandes Molécules. Le candidat retenu collaborera étroitement avec le Chercheur Principal en Biologie Structurale Computationnelle pour appliquer la modélisation structurale, la simulation moléculaire, ainsi que les outils d'évaluations in silico de développabilité et formulabilité afin de réduire les risques et accélérer le développement d'anticorps monoclonaux et de formats biologiques associés (ADC, bispécifiques, protéines de fusion Fc).

Ce poste est conçu pour un candidat capable de contribuer immédiatement et de manière autonome aux flux de travail computationnels en cours, avec un temps d'adaptation limité, en support aux projets de développement de Produit Médicamenteux.

Responsabilités clés

• Configurer, exécuter et interpréter des simulations in silico et modélisations computationnelles (par exemple, dynamique moléculaire, prédiction d'homologie/structure) pour caractériser le comportement structural des anticorps et prédire leurs interactions avec les matrices de formulation (tampons, excipients, tensioactifs).

• Appliquer et maintenir les outils d'évaluation in silico de développabilité/formulabilité (par exemple, propension à l'agrégation, viscosité, prédiction des points chauds de dégradation chimique) pour soutenir la sélection des candidats et l'évaluation des risques de formulation pour les anticorps et formats biologiques associés.

• Réaliser la prédiction et l'analyse de la structure des anticorps (par exemple, modélisation par homologie, outils basés sur AlphaFold ou équivalents) afin de générer des hypothèses mécanistiques reliant séquence/structure aux vulnérabilités de stabilité.

• Traiter, organiser et interpréter les résultats computationnels pour soutenir les décisions de formulation et de développement des procédés, en collaboration étroite avec les scientifiques en formulation de Produit Médicamenteux.

• Développer et maintenir des scripts et des pipelines automatisés de données (Python ou équivalent) pour optimiser les flux de travail de criblage in silico et garantir la reproductibilité des analyses computationnelles.

• Documenter clairement les méthodes et résultats, et produire des synthèses prêtes à être présentées ainsi que des rapports techniques pour les équipes projets transversales.

• Contribuer à la communication scientifique interne et externe (présentations, rapports) pour diffuser les meilleures pratiques et les résultats computationnels au sein du groupe.

• Collaborer avec le Chercheur Principal et les scientifiques Produit Médicamenteux pour prioriser les analyses computationnelles selon les besoins des projets, en travaillant avec un haut degré d'autonomie sur des flux de travail établis.

Votre profil

• Doctorat en Biologie Structurale, Biologie Computationnelle, Biophysique, Bioinformatique, Biochimie ou domaine connexe.

• Expérience pratique démontrée en analyse structurelle d'anticorps, appliquée spécifiquement à la découverte et au développement d'anticorps (par exemple, modélisation par homologie, analyse des vulnérabilités de séquence basée sur la structure). Expérience acquise en milieu académique, biotechnologique ou pharmaceutique est acceptable, à condition qu'elle soit directement axée sur les Grandes Molécules.

• Maîtrise des logiciels de simulation de dynamique moléculaire (par exemple, NAMD, GROMACS, OpenMM ou équivalent) appliqués aux systèmes protéiques/anticorps.

• Expérience pratique avec les outils de prédiction de structure d'anticorps (par exemple, AlphaFold, ABodyBuilder, plateformes de modélisation par homologie).

• Connaissance opérationnelle des approches in silico de développabilité/formulabilité pour les anticorps.

• Solides compétences en scripting et programmation (Python requis ; familiarité avec les bibliothèques bioinformatiques et l'automatisation des pipelines).

• Capacité à travailler de manière autonome et à gérer la chaîne in silico existante avec une supervision minimale.
• Excellentes compétences en communication écrite et orale en anglais ; capacité à présenter des concepts scientifiques complexes à des publics transversaux non computationnels.