Benutzerspezifische Werkzeuge

Information zum Seitenaufbau und Sprungmarken fuer Screenreader-Benutzer: Ganz oben links auf jeder Seite befindet sich das Logo der JLU, verlinkt mit der Startseite. Neben dem Logo kann sich rechts daneben das Bannerbild anschließen. Rechts daneben kann sich ein weiteres Bild/Schriftzug befinden. Es folgt die Suche. Unterhalb dieser oberen Leiste schliesst sich die Hauptnavigation an. Unterhalb der Hauptnavigation befindet sich der Inhaltsbereich. Die Feinnavigation findet sich - sofern vorhanden - in der linken Spalte. In der rechten Spalte finden Sie ueblicherweise Kontaktdaten. Als Abschluss der Seite findet sich die Brotkrumennavigation und im Fussbereich Links zu Barrierefreiheit, Impressum, Hilfe und das Login fuer Redakteure. Barrierefreiheit JLU - Logo, Link zur Startseite der JLU-Gießen Direkt zur Navigation vertikale linke Navigationsleiste vor Sie sind hier Direkt zum Inhalt vor rechter Kolumne mit zusaetzlichen Informationen vor Suche vor Fußbereich mit Impressum

Navigation

Artikelaktionen

Wissenschaftliche/r Mitarbeiter/in (m/w/d) für das Fachgebiet Computational/Deep Learning in Neurooncology (2 Positionen)

 

Die 1607 gegründete Justus-Liebig-Universität Gießen (JLU) ist eine traditionsreiche Forschungsuniversität. Inspiriert von der Neugier auf das Unbekannte ermöglichen wir rund 26.500 Studierenden und 5.700 Beschäftigten, Wissenschaft für die Gesellschaft voranzutreiben. Gehen Sie zusammen mit uns neue Wege und schreiben Sie Erfolgsgeschichten – Ihre eigene und die der Universität.

 

Unterstützen Sie uns ab dem nächstmöglichen Zeitpunkt in einer von zwei Stellen als

 

Wissenschaftliche/r Mitarbeiter/in (m/w/d)

für das Fachgebiet Computational/Deep Learning in Neurooncology

(2 Positionen)

 

Die Stellen sind Teil der drittmittelfinanzierten Nachwuchsgruppe "AI-RON - AI-assisted morphomolecular Precision Medicine in Neurooncology" am Institut für Neuropathologie am Fachbereich Medizin und bis zum 30.09.2026 befristet. Die Stellenbesetzung erfolgt als Doktorand/in in Teilzeit (75 %), bzw. in Vollzeit bei Einstellung als Postdoc. Bei Vorliegen der tariflichen Voraussetzungen erfolgt die Vergütung nach Entgeltgruppe 13 TV-H.

 

Ihre Aufgaben im Überblick

Die Klassifizierung bösartiger Tumore und die Identifizierung der Schwachstellen von Tumoren ist ein wichtiger Schritt bei der Festlegung von therapeutischen Schwachstellen und der Krebsbekämpfung. Die Zusammenführung von hochdimensionalen molekularen Daten und Histopathologie mit fortgeschrittener medizinischer (Bio-)Informatik bietet neue Möglichkeiten für die Entwicklung wirksamer Präzisions-Onkologie-Ansätze. Unser primäres Ziel ist es zu verstehen, wie somatische epi/genetische Veränderungen, die während der Tumorprogression auftreten, mit unterschiedlichen histologischen Phänotypen, spezifischen Veränderungen in Signalwegen und einzigartigen, angreifbaren Schwachstellen von Krebszellen korrelieren (oder diese hervorrufen). Die vorgeschlagenen Projekte zielen auf die Entwicklung und den Einsatz von maschinellen und Deep-Learning-basierten Werkzeugen für die automatisierte Erkennung/Quantifizierung histologischer Tumormerkmale und deren Korrelation mit epi-/genetischen Veränderungen und Signalwegen ab. Dabei werden genomweite DNA-Methylierungs- und NGS-Daten von Krebspatienten sowie automatisierte mikroskopische Bildanalysen von histopathologischen Proben einschließlich „spatial Transcriptomics“ verwendet.

 

Ihre Qualifikationen und Kompetenzen

  • Abgeschlossenes einschlägiges wissenschaftliches Hochschulstudium im Bereich
  • Bioinformatik, medizinischer Informatik oder einer verwandten Disziplin
  • Abgeschlossene Promotion ist wünschenswert, aber keine Einstellungsvoraussetzung
  • Gute Kenntnisse in Python (PyTorch) oder R
  • Erfahrung mit UNIX/Linux (Ubuntu) und GPU-Server-Systemen
  • Erfahrung mit Docker und maschinellem Lernen / Deep Learning 
  • Bevorzugt werden Bewerber mit Erfahrung in einem oder mehreren der folgenden Bereiche: Bildanalyse histologischer Daten (z. B. mit QuPath), Analyse von Methylierungs-EPIC/930k-Array, Genexpressions-Array, DNA- und RNA-seq, integrative quantitative und post-quantitative Analysen aus mehreren Omics-Datensätzen

 

Unser Angebot an Sie

  • Ein offenes, unterstützendes, dynamisches und motivierendes akademisches Umfeld mit ausge­zeichneten Ausbildungsmöglichkeiten, einschließlich des PhD-Graduiertenprogramms der International Giessen Graduate School for Life Sciences (GGL http://www.uni-giessen.de/cms/fbz/zentren/ggl) 
  • Modernste Hardware (Server mit 4x A100 80GB und Grace-Hopper Systeme)
  • Eine abwechslungsreiche Tätigkeit mit flexiblen Arbeitszeiten 
  • Kostenlose Nutzung des öffentlichen Personennahverkehrs (LandesTicket Hessen)
  • Mehr als 100 Schulungen, Workshops und E-Learning-Angebote pro Jahr zur persönlichen Weiterentwicklung sowie ein breites Angebot an Gesundheits- und Sportaktivitäten
  • Vergütung nach TV-H, betriebliche Altersvorsorge, Kindergeld und Sonderzahlungen 
  • Gute Vereinbarkeit von Familie und Beruf (Zertifikat "audit familiengerechte hochschule")

 

Für weitere Fragen steht Ihnen Herr Dr. Daniel Amsel per E-Mail gerne zur Verfügung (Daniel.Amsel@patho.med.uni-giessen.de) Nähere Informationen zum Projekt erhalten Sie unter folgenden Links: www.ukgm.de/neuropathology oder www.miracum.org. 

 

 Die JLU strebt an, mehr Frauen in der akademischen Forschung zu beschäftigen. Wir ermutigen daher insbesondere weibliche Kandidaten, sich zu bewerben. Die JLU gilt als familienfreundliche Universität. Bewerberinnen und Bewerber mit Kindern sind herzlich willkommen. Bewerbungen von behinderten Menschen werden bei gleicher Eignung bevorzugt berücksichtigt.

 

Sie wollen mit uns neue Wege gehen?

Bewerben Sie sich über unser Onlineformular bis zum 21.05.2024 unter Angabe der Referenznummer 321/11. Wir freuen uns auf Ihre Bewerbung.

 

 

Zurück