Computational Bioengineer — Gene Therapy Vector Design

remote-job.net Job-Zusammenfassung:

💶 Gehalt:	keine Angabe
⏰ Wöchentliche Arbeitszeit:	Vollzeit
🔍 Empfohlene Erfahrung:	Senior
🎓 Empfohlene Ausbildung:	PhD in Computational Biology, Bioinformatics, Bioengineering, Systems Biology oder verwandter Bereich (oder MS mit 3–5 Jahren relevanter Erfahrung)
📋 Hauptaufgaben:	Entwurf translatabler Gentherapie-Konzepte (Herstellbarkeit, Lieferbarkeit, Immunogenität). In-silico-Validierung: Proteinmodellierung, MD, PBPK und Off-Target-Analysen. Koordination von Laborpartnerschaften und experimenteller Validierung.
✅ Hauptvoraussetzungen:	PhD in relevanten Disziplinen oder MS + 3–5 Jahre relevante Erfahrung. Praktische Nasslabor-Erfahrung (1–3 Jahre) mit Gentherapie-Techniken (z. B. AAV-Produktion, Titerbestimmung). Starke computationale Fähigkeiten (AlphaFold/Rosetta, MD) und Programmierkenntnisse (Python, R, SQL).
🏭 Branche:	Biotechnologie

Über das Unternehmen

GeneEase entdeckt neuartige Gentherapien für subklinische Zustände, die in der klassischen Medizin oft übersehen werden – genetische Störungen, die Millionen betreffen (z. B. Alkoholintoleranz, Laktoseintoleranz, milde Autoimmunität) und für die es wenig oder keine effektiven Behandlungen gibt.

Das Unternehmen nutzt rechnergestützte Biologie, um vielversprechende therapeutische Ziele zu identifizieren, Gentherapieansätze (AAV, Base Editing, weitere Modalitäten) zu entwerfen, Mechanismen in silico zu validieren und mit experimentellen Laboren für die experimentelle Bestätigung zusammenzuarbeiten. Patente werden angemeldet und IP an Gentherapieunternehmen zur klinischen Entwicklung lizenziert.

Aufgaben

• Konzeption und Design translatabler Gentherapien unter Berücksichtigung praktischer Einschränkungen (Herstellbarkeit, Lieferbarkeit, Immunogenität) – ~40%.
• In-silico-Validierung: Proteinmodellierung (AlphaFold, Rosetta), Molekulardynamik (GROMACS/AMBER), PBPK- und Off-Target-Analysen – ~40%.
• Koordination und Design von Laborpartnerschaften und Versuchsprotokollen; Ergebnisanalyse und Iteration der Designs – ~15%.
• Erstellung von Berichten, Manuskripten, Patentunterlagen und Partnerdossiers mit Fokus auf klinische Übersetzbarkeit – ~5%.

Voraussetzungen

• Akademische Ausbildung: PhD in Computational Biology, Bioinformatics, Bioengineering, Systems Biology oder verwandten Bereichen (oder MS mit 3–5 Jahren relevanter Erfahrung).
• Nasslabor-Erfahrung (1–3 Jahre) mit Techniken wie Klonierung, Zellkultur, Transfektion, Assays; Erfahrung mit Gentherapie (AAV/Lentivirus-Produktion, Transduktion, Titerbestimmung) bevorzugt.
• Fachkenntnisse in Vector-Design (AAV-Serotypen, Promotorwahl, Cargo-Optimierung, CRISPR-gRNA), Benchling/SnapGene.
• Computational: Proteinstruktur-Vorhersage (AlphaFold, Rosetta), Molekulardynamik, Pathway-Analyse (STRING, Reactome), PBPK-Modellierung.
• Programmierung: Python (BioPython, pandas, PyTorch), R (Bioconductor), SQL; Erfahrung mit Git und Linux/HPC.
• Nice-to-haves: Industrieerfahrung in Gentherapie (Vector- oder CMC-Rollen), IND-erlaubende Studienkenntnisse, AAV-Herstellungswissen, CRO/akademische Partnerschafts-Management, regulatorische Erfahrung (IND/CTA).
• Wesentliche Eigenschaften: selbständige Problemlösung, mechanistisches Denken, Fähigkeit, rechnerische Vorhersagen mit biologischer Realität zu verknüpfen und komplexe Ergebnisse non-technischen Stakeholdern zu vermitteln.

Benefits

• Mitgestaltung eines Produkts an der Schnittstelle von Biologie und Informatik.
• Zusammenarbeit in einem globalen, interdisziplinären Team.
• Flexible, remote-first Arbeitsmodalität.
• Direkte Einflussmöglichkeit der eigenen Expertise auf Produktentwicklung.