Syneos Health ir pilnībā integrēta biofarmācijas risinājumu organizācija, kas palīdz klientiem virzīt terapijas no klīniskās izstrādes līdz komerciālai ieviešanai. Tās komandas apvieno klīnisko pētniecību, medicīnisko lietu pārvaldību, komerciālās zināšanas, tehnoloģijas un tirgus atziņas, lai risinātu mainīgās veselības aprūpes vajadzības un atbalstītu nozīmīgu ārstēšanas metožu izstrādi un ieviešanu visā pasaulē.
Vecākais biostatistiķis – biomarķieri, mākslīgais intelekts un dziļā mācīšanās
Vadi biomarķieru un genomikas analīzi, izmantojot progresīvu statistiku un dziļo mācīšanos, lai atbalstītu klīnisko pētniecību un zāļu izstrādi dzīvības zinātņu jomā uzņēmumā Syneos Health.
Apraksts
- Koordinē genomikas un citu biomarķieru komponentu starpdisciplināru plānošanu, īstenošanu un analīzi klīniskajos un biomarķieru pētījumos.
- Darbojies kā projekta biomarķieru statistiķis pieredzējuša statistiķa vadībā.
- Izveido biomarķieru novērtēšanas plānus piešķirtajiem pētījumiem.
- Sniedz statistikas ekspertīzi klīniskās izstrādes diskusijās un izmanto mākslīgā intelekta un mašīnmācīšanās metodes.
- Koordinē statistikas darba plūsmas, kas atbalsta biomarķieru pētniecību un izstrādi.
- Plāno un veic progresīvu genomikas un biomarķieru datu analīzi.
- Raksti statistikas programmas un izstrādā sarežģītus analīzes algoritmus.
- Analizē RNS, Olink un citas biomarķieru datu kopas.
- Sagatavo precīzus biomarķieru novērtēšanas ziņojumus un izskaidro to secinājumus.
- Patstāvīgi risini parastus un sarežģītus statistikas jautājumus, modelēšanas vajadzības un analītiskos uzdevumus.
- Izveido un piemēro standartizētus procesus ikdienas biomarķieru novērtēšanai.
Prasības
- Doktora vai maģistra grāds biostatistikā, statistikā, matemātikā vai saistītā jomā.
- Spēcīgas rakstiskās, mutiskās un saskarsmes prasmes.
- Spēja efektīvi strādāt gan patstāvīgi, gan sadarbībā ar citiem.
- Spēja strādāt ar minimālu uzraudzību.
- Pierādīta pieredze dziļās mācīšanās modeļu izstrādē un ieviešanā, izmantojot PyTorch, TensorFlow vai Keras.
- Plašas zināšanas par mašīnmācīšanās algoritmiem un statistikas metodēm, tostarp izdzīvošanas analīzi un pakešu efekta pārvaldību, ko izmanto farmācijas vai biomarķieru atklāšanas darbā.
- Familiaritāte ar izskaidrojama mākslīgā intelekta metodēm, piemēram, SHAP, uzmanības atribūciju un pretfaktuālo analīzi.
- Izpratne par nenoteiktības kvantificēšanu biomarķieru interpretējamībai.
- Pieredze patstāvīgi vadīt biomarķieru pētījumu.
- Iepriekšēja pieredze klīniskajos pētījumos tiks uzskatīta par priekšrocību.
- Pieredze nozarē tiks uzskatīta par priekšrocību.
- Padziļināta izpratne par biomarķieru novērtēšanu, jo īpaši imunoloģijā un infekcijās, 1. tipa diabētā, attiecīgajos parametros un saistītajā bioloģijā.
- Prasme izmantot statistiskās programmēšanas rīkus, tostarp R, Bioconductor, ģenētisko datu R pakotnes un Python.
- Pieredze darbā ar augstas dimensijas datu kopām.
- Var tikt pieņemama līdzvērtīga pieredze, prasmes vai izglītība.
Priekšrocības
- Karjeras attīstības un izaugsmes iespējas.
- Atbalstoša un iesaistīta tiešā vadība.
- Apmācības tehniskajās un terapeitiskajās jomās.
- Kolēģu atzinības programmas.
- Kopējā atlīdzības programma.
- Iekļaujoša darba kultūra.
- Atbilstoši pielāgojumi, ja nepieciešams.