项目介绍
细胞形态反映了诸如分裂、分化、应激反应和凋亡等基本生物学过程，但这些过程是否遵循不同细胞类型和实验系统中保守的组织原则仍不清楚。
大规模荧光显微镜数据集目前能够捕捉到数百万张单细胞图像，涵盖各种扰动条件，但成像方案、标记组合和细胞类型的差异限制了数据的整合和重用。因此，一个关键挑战在于确定能否在异质数据集中恢复共享的生物学结构，或者细胞形态是否主要受特定环境变异的影响。
Miranda 实验室正在招募一位杰出且富有抱负的计算生物学博士后研究员，以推进利用现代机器学习方法对大规模显微镜数据进行整合和建模。该项目专注于开发新型表征学习和生成建模方法，以构建跨异构数据集的统一细胞形态状态空间。通过利用共享的生物标记和最先进的深度学习技术，该研究将揭示生物系统中保守的细胞状态转换和扰动响应程序。
成功入选者将加入计算科学与技术系高度跨学科且协作性强的研究团队，与SciLifeLab的研究人员以及计算生物学、机器学习和基于图像的分析领域的国际合作者紧密合作。
该职位的主要职责是领导机器学习与生物学交叉领域的独立研究项目，重点在于方法开发、大规模数据整合和生物学发现。
所属院系：皇家理工学院，电气工程与计算机科学学院
项目时长：2 年申请要求和方式
申请要求：·在基于图像的分析和单细胞或组织数据的计算生物学方法领域拥有丰富的研究经验；·精通相关的机器学习和人工智能技术，精通 Python 或 R 编程并熟悉高性能计算。
申请方式：公开特招项目，按照项目要求准备申请材料后递交申请。
