仕事の詳細
職場での仕事内容から生かせる経験・スキル、諸条件など詳細を確認できます
企業名
株式会社MOLCURE
職種
Bioinformatics Scientist — Antibody Discovery & NGS
仕事内容
[The Role] We are looking for a Bioinformatics Scientist who will work across the full spectrum of antibody discovery—from mining screening data to computationally designing new candidate sequences. Working at the front line of our antibody discovery engine, you will own the end-to-end NGS analysis pipeline, partner directly with wet-lab scientists to close the loop between computation and experiment, and collaborate with ML engineers to apply generative AI approaches for sequence design and optimization. This is not a downstream analysis role. You will shape which candidates enter our optimization pipeline—whether discovered from screening data or computationally designed—and your biological interpretation will directly influence lead selection decisions. As an early member of the computational team, you will have the autonomy to define how our discovery informatics evolves. [ポジション概要] スクリーニングデータのマイニングから、生成AIによる新規候補配列のデザインまで、抗体探索の全領域を横断するBioinformatics Scientistを募集します。抗体探索エンジンの最前線で、NGS解析パイプラインのエンドツーエンドのオーナーシップを持ち、ウェットラボサイエンティストと直接連携して計算と実験のループを閉じるとともに、MLエンジニアと協働して配列デザイン・最適化への生成AIアプローチを推進する役割です。 これは下流の解析業務ではありません。スクリーニングから発見された候補であれ、計算的にデザインされた候補であれ、どの分子が最適化パイプラインに入るかを決定し、あなたの生物学的解釈がリード選定の意思決定に直接影響します。計算チームの初期メンバーとして、ディスカバリーインフォマティクスの進化の方向性を自ら定義する自律性を持つポジションです。 What You Will Do • NGS Pipeline Development & Execution Build, execute, and continuously refine pipelines for processing high-throughput sequencing data from antibody display and screening campaigns. Ensure reproducibility, scalability, and rapid turnaround to keep pace with experimental cycles. • Candidate Discovery & Prioritization Analyze clonal enrichment, sequence diversity, and predicted developability to identify and rank antibody leads. Provide data-driven rationale for which candidates advance to downstream characterization. • AI-Driven Sequence Design Collaborate with ML engineers to leverage generative AI and protein language models for de novo antibody sequence design and optimization. Evaluate computationally designed candidates using the same biological and developability criteria applied to screening-derived hits, bridging the gap between generative models and experimental validation. Wet-Lab Partnership Serve as the primary computational partner to bench scientists. Interpret screening results collaboratively, provide rapid feedback on experimental outcomes, and co-design iterative screening strategies based on data insights. • Pipeline & Codebase Evolution Maintain and improve our Python-based analysis codebase. Architect flexible, modular systems that can incorporate new algorithms, public datasets, and evolving experimental formats as the field advances. • Scientific Intelligence Monitor the rapidly evolving landscape of AI-driven antibody discovery and NGS methodology. Evaluate emerging tools and approaches, and bring validated improvements into our production workflows. [担当業務] • NGSパイプラインの開発・実行 抗体ディスプレイ・スクリーニングキャンペーンから得られるハイスループットシーケンシングデータを処理するパイプラインを構築・実行し、継続的に改善する。再現性、スケーラビリティ、迅速なターンアラウンドを確保し、実験サイクルに追従する。 • 候補抗体の発見と優先順位付け クローナルエンリッチメント、配列多様性、予測される開発可能性を分析し、抗体リードを特定・ランク付けする。どの候補が下流の特性評価に進むべきか、データに基づく根拠を提供する。 • AIを活用した配列デザイン MLエンジニアと協働し、生成AIやタンパク質言語モデルを活用したde novo抗体配列デザイン・最適化を推進する。計算的にデザインされた候補に対しても、スクリーニング由来のヒットと同じ生物学的・開発可能性の基準で評価を行い、生成モデルと実験バリデーションの橋渡しを担う。 • ウェットラボとの連携 ベンチサイエンティストの主要な計算パートナーとして機能する。スクリーニング結果を共同で解釈し、実験結果に対する迅速なフィードバックを提供し、データインサイトに基づく反復的なスクリーニング戦略を共同設計する。 • パイプライン・コードベースの進化 Pythonベースの解析コードベースを維持・改善する。新しいアルゴリズム、公開データセット、進化する実験フォーマットに対応できる柔軟でモジュラーなシステムを設計する。 • サイエンティフィックインテリジェンス AI駆動の抗体探索とNGS方法論の急速に進化する動向をモニタリングする。新興ツールやアプローチを評価し、検証済みの改善をプロダクションワークフローに導入する。
求める人物像
What We Are Looking For We need someone who can work across the full arc of discovery informatics—from raw FASTQ files to biological insight. While AI and automation dramatically accelerate throughput, we require a scientist who understands the biology deeply enough to catch what algorithms miss and to know when a computational result demands experimental validation. [Foundational Expertise (Required)] • Master's degree or PhD in Bioinformatics, Computational Biology, Immunology, Molecular Biology, or a related quantitative field. • 3+ years of hands-on experience in NGS data analysis, with a focus on antibody or immune repertoire sequencing (PhD research counts toward this requirement). • Strong understanding of antibody biology: V(D)J recombination, clonal selection, affinity maturation, and the sequence-function relationship in antibody engineering. You should be able to assess a candidate's therapeutic potential from sequence data, not just statistical enrichment. • Proficiency in Python for bioinformatics workflows. Comfortable building and maintaining reproducible pipelines (e.g., Snakemake, Nextflow), not just running one-off analyses. • Working familiarity with standard NGS toolchains (e.g., FASTQC, Trimmomatic/Cutadapt, alignment and clustering tools) and biological databases (IMGT, PDB, UniProt). [AI & Computational Tool Proficiency (Required)] • Experience applying machine learning or statistical methods to sequence analysis tasks—such as enrichment scoring, clustering, or developability prediction—and understanding when these methods add value versus when manual curation is more appropriate. • Experience using LLM-based AI assistants (e.g., Claude, ChatGPT, GitHub Copilot) or other AI productivity tools to accelerate research workflows—such as code development, literature analysis, data interpretation, or pipeline debugging. We value scientists who actively leverage AI to multiply their output while maintaining scientific rigor. • Familiarity with protein language models (e.g., ESM-2, AntiBERTy) or antibody-specific computational tools (e.g., ANARCI, AbNum, IgBLAST) is a strong plus. [求める人物像] 生のFASTQファイルから生物学的インサイトまで、ディスカバリーインフォマティクスの全工程を横断できる人材を求めています。AIと自動化はスループットを劇的に加速しますが、アルゴリズムが見逃すものを捉え、計算結果がいつ実験的検証を必要とするかを判断できるほど深く生物学を理解しているサイエンティストが必要です。 [基礎的専門性（必須）] • バイオインフォマティクス、計算生物学、免疫学、分子生物学、または関連する定量的分野の修士号もしくは博士号 • NGSデータ解析における3年以上の実務経験、特に抗体または免疫レパトアシーケンシングに焦点を当てたもの（博士課程の研究をこの要件に含む） • 抗体生物学の確かな理解：V(D)J組換え、クローン選択、親和性成熟、抗体エンジニアリングにおける配列-機能関係。統計的エンリッチメントだけでなく、配列データから候補の治療的ポテンシャルを評価できること • バイオインフォマティクスワークフローのためのPython実装力。再現可能なパイプライン（Snakemake、Nextflowなど）を構築・維持できること。単発の解析ではなく、継続的に運用可能なシステムを作れること • 標準的なNGSツールチェーン（FASTQC、Trimmomatic/Cutadapt、アラインメント・クラスタリングツール等）および生物学データベース（IMGT、PDB、UniProt）への実務的な知識 [AI・計算ツール活用力（必須）] • 配列解析タスク（エンリッチメントスコアリング、クラスタリング、開発可能性予測など）への機械学習・統計手法の適用経験。これらの手法が価値を発揮する場面と、手動キュレーションがより適切な場面を判断できること • LLMベースのAIアシスタント（Claude、ChatGPT、GitHub Copilotなど）やその他のAI生産性ツールを研究ワークフローの加速に活用した経験。コード開発、文献分析、データ解釈、パイプラインデバッグなどでAIを活用し、科学的厳密性を維持しながら生産性を飛躍させられるサイエンティストを求めています • タンパク質言語モデル（ESM-2、AntiBERTyなど）や抗体特化型の計算ツール（ANARCI、AbNum、IgBLASTなど）の知見があれば強い加点 Qualities We Value - Biological intuition: You don't just run pipelines—you interpret results through the lens of antibody biology and can explain why a statistically enriched clone may or may not be a good therapeutic candidate. - Engineering discipline: You write clean, documented, testable code. You think about reproducibility and maintainability, not just getting an answer once. - Intellectual curiosity: You proactively track new methods in computational immunology and AI for drug discovery, and you bring validated ideas back to the team. - Startup adaptability: You thrive in an environment where priorities shift, experimental designs evolve mid-campaign, and you're expected to figure things out rather than wait for instructions. 私たちが重視する資質 - 生物学的直感： パイプラインを回すだけでなく、抗体生物学のレンズを通して結果を解釈できること。統計的にエンリッチされたクローンが良い治療候補であるとは限らない理由を説明できること。 - エンジニアリング規律： クリーンで文書化され、テスト可能なコードを書くこと。一度答えを出すだけでなく、再現性と保守性を考えて設計できること。 - 知的好奇心： 計算免疫学とAI創薬の新しい手法を自ら追跡し、検証済みのアイデアをチームに持ち帰る姿勢。 - スタートアップ適応力： 優先順位が変わり、キャンペーン途中で実験デザインが進化し、指示を待つのではなく自ら考えて動くことが求められる環境で力を発揮できること。 Required Languages & Proficiency Level • Business level / Fluent English Preferred Languages & Proficiency Level • Conversational Japanese
博士・ポスドクに特に求めること
• Master's degree or PhD in Bioinformatics, Computational Biology, Immunology, Molecular Biology, or a related quantitative field. • 3+ years of hands-on experience in NGS data analysis, with a focus on antibody or immune repertoire sequencing (PhD research counts toward this requirement). • バイオインフォマティクス、計算生物学、免疫学、分子生物学、または関連する定量的分野の修士号もしくは博士号 • NGSデータ解析における3年以上の実務経験、特に抗体または免疫レパトアシーケンシングに焦点を当てたもの（博士課程の研究をこの要件に含む）
勤務予定地
Full remote work available (Asia–Europe time zones only) 東京都目黒区
博士卒の初任給
• Commensurate with experience.