Independent Research Group Leaders (f/m/d) for Computational RNA Biology

Independent Research Group Leader (f/m/d) für Computational RNA Biology

Die Frankfurt Institute for Advanced Studies (FIAS) und der neu geförderte Exzellenzcluster SCALE (SubCellular Architecture of LifE) suchen eine/n Independent Research Group Leader (f/m/d) auf dem Gebiet der Computational RNA Biology.

Unser Ziel

Primäres Ziel von SCALE und FIAS ist die Erstellung Digitaler Zwillinge subzellulärer Architektur, um die innere Struktur von Zellen mit beispielloser Detailtreue abzubilden und zu simulieren. Durch die Integration von RNA- und räumlichen Ribonomik-Daten streben wir ein tieferes Verständnis zentraler biologischer Prozesse und ihrer Relevanz für große Krankheitsbilder wie bakterielle Resistenz, Neurodegeneration und Entzündungen an.

Rahmenbedingungen

• Finanzierung: Wettbewerbsfähiges Gehalt als Gruppenleitung, befristet auf 5 Jahre, inkl. Mittel für zwei Promotionsstellen und Sachkosten.
• Anbindung: Option auf Co-Affiliation mit der Goethe-Universität Frankfurt.
• Standort: Ansiedlung am FIAS mit Integration in den SCALE-Cluster und den Forschungscampus Riedberg, der moderne Infrastruktur für Computational Biology bietet.

Ihr Profil

Gesucht wird eine/n herausragende/n Nachwuchswissenschaftler/in zur Einrichtung eines unabhängigen Forschungsprogramms in Computational RNA Biology. Erwartet werden theoretische, computergestützte und KI-basierte Ansätze, um zu erforschen, wie RNAs und RNA-bindende Proteine die Genregulation, Protein-Funktion, subzelluläre Organisation, biomolekulare Kondensation und intrazellulären Transport steuern. Eine kollaborative und Open-Science-orientierte Haltung wird vorausgesetzt.

Forschungsschwerpunkte

Erwartet wird die Etablierung eines innovativen, international wettbewerbsfähigen Forschungsprogramms in mindestens einem der folgenden Bereiche:

Modellierung von RNA in biologischen Systemen

• Entwicklung mathematischer, multiskaliger und agentenbasierter Modelle, um zu verstehen, wie RNAs und Ribonukleoprotein(RNP)-Komplexe Genexpression, zelluläres Verhalten und subzelluläre Organisation regulieren.
• Integration von Transkriptomik, Ribonomik, Interaktomik, Strukturbiologie und Bildgebungsdaten in prädictive computergestützte Frameworks.
• Anwendung von:
  • Atomistischen Simulationen und Coarse-grained-Modellierung
  • RNA-Faltungsvorhersage
  • RNA-Protein- und RNA-Kleinmolekül-Interaktionsmodellierung
  • Polymerphysik und statistischer Inferenz zur Untersuchung von RNA-Struktur, -Funktion, -Transport und regulatorischen Mechanismen in Gesundheit und Krankheit.

KI und Machine Learning für RNA-Biologie

• Entwicklung von:
  • Deep Learning, Graph-Neural-Networks, generativer KI und RNA-Foundation-Modellen zur Analyse großskaliger Omics-, räumlicher Transkriptomik-, Ribonomik- und Bildgebungsdaten.
• Vorhersage von:
  • RNA-Struktur und -Lokalisation
  • Regulatorischen Funktionen und RNA-Protein-Interaktionen
  • Kondensatbildung
  • Effekten von Mutationen und krankheitsassoziierten Störungen auf RNA-abhängige Regulation oder zelluläre Organisation.

Integrative strukturelle und räumliche RNA-Biologie

• Integration multimodaler Datensätze, darunter:
  • Kryo-EM, Kryo-ET, Superauflösungsmikroskopie, Einzelmolekül-Bildgebung
  • Räumliche Omics, CLIP-basierte Interaktionskarten, großskalige Bildgebungsdaten für eine umfassende Modellierung RNA-haltiger molekularer Assemblies und subzellulärer Architektur.
• Entwicklung skalierbarer Lösungen für Visualisierung, Analyse und Software in der RNA-zentrierten Zellbiologie.

Diversität und Inklusion

FIAS und SCALE fördern eine Kultur der Gleichberechtigung, Vielfalt und Inklusion. Bewerbungen qualifizierter Personen sind unabhängig von Geschlecht, Nationalität, ethnischer oder sozialer Herkunft, Religion, Behinderung, Alter oder sexueller Orientierung ausdrücklich willkommen. Schwerbehinderte Bewerber/innen werden bei gleicher Eignung bevorzugt berücksichtigt.

Job description automatically summarized using AI