Wissenschaftliche:r Projektmitarbeiter:in Dissertant:in (m/w/d)

Über uns

An der Universität Graz arbeiten 4700 Mitarbeiter:innen gemeinsam an Zukunftsfragen und Lösungen für die Welt von morgen. Unsere Studierenden und unsere Forscher:innen stellen sich den großen Herausforderungen der Gesellschaft und tragen das Wissen hinaus. We work for tomorrow. Werden Sie Teil davon!

Organisationseinheit

Diese Position ist Teil des FWF doc.funds-Programms BiotechPredict, das vom Österreichischen Wissenschaftsfonds (FWF) gefördert wird. Das Programm lädt Bewerbungen von Doktorand*innen in den Bereichen Künstliche Intelligenz, Informatik, Biotechnologie und Molekularbiologie ein

Aufgabenbereich

• Verfassen einer schriftlichen Dissertation im Bereich Computational Biology / Strukturbioinformatik
• Teilnahme an einem Forschungsprojekt zu dreidimensionalen Datenrepräsentationen für die Annotation von Proteinfunktionen anhand von Sequenzdaten
• Erstellung dreidimensionaler Strukturrepräsentationen von Biokatalysatoren aus experimentellen Strukturen und AlphaFold-Modellen, kodiert als volumetrische (Voxel-) und Punktwolken-Darstellungen
• Entwicklung, Training und Benchmarking von Machine-Learning-Modellen zur Annotation von Enzymfunktionen anhand von Sequenz- und Strukturdaten
• Analyse von aktiven Zentren und räumlichen Merkmalen von Biokatalysatoren zur Verbesserung der Annotation von Enzymfunktionen aus Sequenzdaten
• Integration von Deep-Mutational-Scanning-Daten zur Bewertung, wie der strukturelle Kontext die funktionellen Auswirkungen von Mutationen beeinflusst
• Kuratierung und Aufbereitung von Trainingsdatensätzen zu Biokatalysatoren aus öffentlichen Datenbanken und kooperierenden Projekten innerhalb des BiotechPredict-Konsortiums
• Anwendung und Weiterentwicklung computergestützter Werkzeuge zur Proteinstrukturvorhersage und struktur-basierten maschinellen Lernverfahren (z. B. AlphaFold, ESMFold, 3D-CNNs, Graph-Neuronale Netze oder verwandte Ansätze)
• Dokumentation und Analyse der computergestützten Ergebnisse; Präsentation der Resultate bei Gruppentreffen, Seminaren und Konferenzen
• Beitrag zu allgemeinen Gruppenaufgaben und zu einer kollaborativen Umgebung im Rahmen des BiotechPredict doc.funds-Programms

Anforderungsprofil

• Abgeschlossenes Master- (oder Diplom-)Studium in Bioinformatik, Computational Biology, Strukturbiologie, Informatik oder Molekularbiologie/Biochemie mit starkem rechnergestützten Schwerpunkt oder ein vergleichbarer Abschluss mit einer schriftlichen Masterarbeit (Diplomarbeit)
• Nachweis der Zulassungsvoraussetzungen für die Aufnahme in ein PhD-Programm, wie sie üblicherweise im Land des Masterabschlusses gelten
• Sehr gute Englischkenntnisse in Wort und Schrift
• Fundierte Programmierkenntnisse, insbesondere in Python (z. B. NumPy, PyTorch/TensorFlow, scikit-learn), sowie Erfahrung mit Linux/HPC-Umgebungen
• Praktische Kenntnisse im Bereich Machine Learning oder Deep Learning, idealerweise angewendet auf biologische, chemische oder andere wissenschaftliche Daten
• Praktische Kenntnisse in der strukturellen Bioinformatik und der Analyse von Protein-3D-Strukturen
• Erfahrung mit Proteinstrukturvorhersage-Tools wie AlphaFold, Boltz oder ESMFold
• Erste Erfahrungen mit dreidimensionalen/volumetrischen Datenrepräsentationen (Voxel-Gitter, Punktwolken, Graphen) und entsprechenden Deep-Learning-Architekturen (z. B. 3D-CNNs, GNNs, Transformer) (wünschenswert)
• Grundlegendes Verständnis von Struktur-Funktions-Beziehungen und Reaktionsmechanismen von Enzymen (wünschenswert)
• Teamfähigkeit und hohe Motivation zur Beantwortung wissenschaftlicher Fragestellungen
• Zuverlässigkeit
• Flexibilität

Wir bieten

Bewerbungsunterlagen

Für eine vollständige Bewerbung sind folgende Unterlagen notwendig:

• Motivationsschreiben und akademischer Lebenslauf
• Vollständiger Nachweis über den Abschluss des in der Ausschreibung geforderten Studiums
• Vorlage etwaiger beglaubigter Dokumente, Informationen finden Sie hier Beglaubigung / Zulassung – Internationale Studierende
• Im Curriculum geforderter Sprachnachweis, sofern das Doktoratsstudium nicht in der Erstsprache absolviert wird.

Univ.-Prof. Dr. Karl Gruber I karl.gruber@uni-graz.at

Dr. Christian Gruber I christian.gruber@uni-graz.at

Gleichstellung & Diversität

Die Universität Graz strebt eine Erhöhung des Frauenanteils an, insbesondere in Leitungsfunktionen und beim wissenschaftlichen Personal, und lädt deshalb qualifizierte Frauen ausdrücklich zur Bewerbung ein. Im Falle der Unterrepräsentation werden Frauen bei gleicher Qualifikation grundsätzlich vorrangig aufgenommen. Wir freuen uns über Bewerbungen von Menschen mit Behinderung, die über eine ausschreibungsadäquate Qualifikation verfügen.

Bitte beachten Sie, dass wir Bewerbungen aufgrund der geltenden datenschutzrechtlichen Vorgaben ausschließlich über unser webbasiertes Bewerber:innen-Tool entgegennehmen können.