Postdoktoralt stipendium (2 år) inom AI-driven växtgenomik

Institutionen för fysiologisk botanik erbjuder ett postdoktoralt stipendium inom projektet AI-driven växtgenomik. Stipendiet är på heltid i två år med tillträde under hösten 2025 eller enligt överenskommelse.

Umeå Plant Science Centre (UPSC) är en av de starkaste forskningsmiljöerna för växtbiologisk grundforskning i Europa. Forskningen vid UPSC omfattar ett brett spektrum inom växtbiologi inkluderande ekologi, beräkningsbiologi, genetik, fysiologi, biokemi, cellbiologi och molekylärbiologi (se www.upsc.se). Stipendiaten kommer att vara placerad vid Institutionen för fysiologisk botanik som är en del av Umeå Plant Science Centre.

Jian-Feng Maos forskningsgrupp söker en mycket motiverad postdoktor för ett tvåårigt stipendium inom Artificiell Intelligens (AI)-driven växtgenomik. Projektet fokuserar på att generera nya AI-drivna metoder för identifiering, annotering och funktionell undersökning av långa icke-kodande RNA (lncRNA)-gener i växtgenomen. 

Knut och Alice Wallenbergs stiftelse (KAW) finansierar detta tvååriga postdoktorala stipendium. Stipendiet uppgår till 348 000 kronor per år och är inte skattepliktigt. Forskningsledarens medel täcker extra löpande kostnader för projektet.

Projektbeskrivning

Tänk om vi kunde avkoda det dolda språket inom växtgenomen som styr deras motståndskraft mot klimatförändringar, deras tillväxtmönster och deras förmåga att föda vår växande befolkning? Bortom de proteinkodande gener som vi traditionellt har studerat finns de outforskade långa icke-kodande RNA (lncRNA) — mystiska genetiska element som inte skapar proteiner men som djupt påverkar hur växter utvecklas och reagerar på sin miljö. Vår forskningsgrupp har varit pionjärer med beräkningsverktyg för att identifiera dessa genetiska element, men vi är nu redo att ta ett kvantsprång framåt med hjälp av den revolutionerande kraften i artificiell intelligens.

Artificiell intelligens förändrar landskapet för biologisk forskning. Medan traditionella bioinformatikmetoder har gjort betydande framsteg, avslöjar AI-metoder — särskilt djupinlärning — mönster och relationer i biologiska data som tidigare var otillgängliga.

Som postdoktorstipendiat i detta projekt kommer du att befinna dig i framkanten av sammansmältningen mellan AI och växtgenomik. Du kommer att ha möjlighet att utveckla innovativa djupinlärningsmetoder som kan känna igen mönster i genetiska data bortom mänsklig uppfattning, och förändra hur vi identifierar och förstår funktionen hos lncRNA i olika växtarter.

Stipendiaten kommer att få möjlighet att meritera sig inom projektdesign, analyser, tolkning och publicering och vara delaktig i ett projekt i som utvecklar framtiden AI verktyg för genomisk analys. 

Exempel på områden som stipendiaten kommer att få möjlighet att meritera sig inom är: 

• Datainsamling och kuratering. Helgenomsekvens och annotering (kodande och icke-kodande) från olika växtarter har förberetts, medan kureringen inte är klar.
• Generering av en klassificeringsplattform för växt-lncRNA. Detta är avgörande för att överföra funktionell kunskap mellan arter, och för att undersöka sekvensvariationer, ursprung och evolution, och vidare till modellering.
• Undersökning av transkriptionsprofil av lncRNA. Det kan vara uttryckskvantifiering, alternativ splitsning, karakterisering av translationella startplatser.
• Upprättande av AI-modeller och utveckling av en ny metod för identifiering av lncRNA-gener från helgenomsekvenser.
• Samarbete med experimentella forskare för att integrera beräkningsresultat/verktyg med funktionella undersökningar.
• Vetenskaplig kommunikation genom bidrag till vetenskapliga gruppmöten, samarbeten och publikationer.

Vid Umeå Plant Science Centre (UPSC) kommer du att ansluta dig till en dynamisk, internationell gemenskap där kreativitet och vetenskaplig nyfikenhet blomstrar. Vår tvärvetenskapliga miljö sammanför växtbiologer, genomikexperter och beräkningsvetare i en samarbetsmiljö som stimulerar innovation. Stipendiet erbjuder tillgång till avancerade beräkningsresurser från Nationell Akademisk Infrastruktur för Superdatorer i Sverige (NAISS), en mängd genomiska data och friheten att utforska ambitiösa forskningsfrågor.

Detta stipendium erbjuder möjligheten att delta i ett projekt inom denna AI-revolution där neurala nätverksarkitekturer specifikt optimerade för växtgenomiska data utvecklas. Våra innovationer kan bli grundläggande verktyg som används av växtforskare över hela världen, vilket främjar vår förståelse av växtbiologi och bidrar till lösningar på globala utmaningar som klimatförändringar och livsmedelssäkerhet.

Som stipendiat kommer du vara delaktig i att bygga vidare på vårt labs etablerade beräkningsramverk — Plant-LncPipe, PlantLncBoost och Plant-LncRNA-pipeline-v2 —för att utveckla nya metoder som inkorporerar transformermodeller, grafneurala nätverk och självövervakande inlärningsmetoder som kan extrahera djupare biologiska insikter från genomiska data.

Följ oss i detta spännande gränsland där artificiell intelligens möter växtgenomik, och hjälp till att skriva nästa kapitel i vår förståelse av växtgenomets dolda potential.

Kvalifikationer

För att vara behörig för ett postdoktoralt stipendium ska personen ha avlagt doktorsexamen eller utländsk examen som bedöms motsvara doktorsexamen. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då beslut om stipendiatmottagare fattas. 

För att vara aktuell som postdoktorstipendiat bör i första hand den komma i fråga som avlagt examen högst tre år sedan från sista ansökningsdag. Om det finns särskilda skäl kan den komma i fråga som avlagt doktorsexamen tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet eller klinisk tjänstgöring, förtroendeuppdrag inom fackliga arbetstagarorganisationer eller andra liknande omständigheter.

Doktorsexamen ska vara inom bioinformatik, maskininlärning, beräkningsbiologi, genomik eller ett relaterat område, med fokus på beräkning eller datavetenskap.

Ytterligare krav är:

1. Betydande erfarenhet inom bioinformatik, genomik, beräkning, maskininlärning eller annat datavetenskapsområde.
2. Dokumenterade färdigheter i Python-programmering eller annan datorprogrammering.
3. Starkt intresse för datavetenskap, såsom datainsamling och kuratering, modellering.
4. Utmärkta skriftliga och muntliga kommunikationsfärdigheter i engelska.
5. Förmåga att självständigt vidareutveckla sin insikt i forskningsfrågan.
6. För att kunna utvecklas inom forskningsgruppen krävs en förmåga att kunna lägga upp och hålla gemensamma tidsplaner. 

Erfarenheter inom skärningspunkten mellan djupinlärning och bioinformatik, särskilt DNA- eller proteinsekvensmodellering är särskilt meriterande.

Ansökan

Ansökan ska vara skriven på engelska eller svenska, och bifogade dokument ska vara i Word- eller PDF-format. Ansökan ska registreras via Umeå universitets e-rekryteringssystem Varbi och skickas in senast den 1 september 2025.

En fullständig ansökan ska innehålla:

• Personligt brev som belyser kvalifikationer och motivering till ansökan (max 2 sidor)
• Meritförteckning - CV med publikationslista,
• Kopia av doktorsexamensbevis eller dokumentation som tydliggör när doktorsexamen förväntas erhållas,
• Kopior av andra examensbevis, akademiska kursintyg och/eller betyg,
• Kopia av doktorsavhandling och relevanta artiklar,
• Övriga handlingar som den sökande vill åberopa,
• Kontaktuppgifter till två vidtalade referenser.

Ytterligare information

Jian-Feng Mao, Institutionen för fysiologisk botanik, e-post: jianfeng.mao@umu.se

Vi ser fram emot din ansökan!