Рапид Био разрабатывает и производит иммунохроматографические и иммуноферментные тест-системы, а также работает в направлении создания POC тест-систем на основе микрофлюидики и электрохимии. Сейчас компания в поиске Технолога!

Обязанности:
🔹 разработка производственных документов
🔹 глубокое погружение в специфику работы производственных процессов

Необходимые знания и компетенции:
🔸 образование высшее (техническое), как преимущество биотехнологическое
🔸 опыт работы технологом, техническим писателем от 3-х лет (производство, медлаборатории)
🔸 знание производственных и лабораторных процессов (обязательно)
🔸 опыт работы на производстве, в лаборатории
🔸 опыт разработки и перевода производственной и лабораторной документации (СОП, инструкции)
🔸 скрупулезность и внимательность к деталям в работе с документами
🔸 умение работать в команде и готовность стать частью коллектива Рапид Био
🔸 внимательность, ответственность

Условия:
▫️ график работы: 5/2 с 9:00-18:00. Возможен гибкий и гибридный график
▫️ работа в Технопарке Сколково, офис в 7-ми минутах от станции МЦД «ИЦ Сколково»*
▫️ получение опыта работы в инновационной биотехнологической компании
▫️ изучение и совершенствование английского и обеды за счет компании
▫️ социальные гарантии

*Если добираться в Сколково неудобно, компания готова компенсировать 30% аренды жилья рядом с работой (от 1 года работы в компании по решению внутреннего жилищного комитета)

Откликнуться на вакансию: u.to/sgvAIA

#бластим_вакансии

ИИ «на массе»: машинлернерам нужны белки

🐿 Как всякий фанат ждет выхода очередной серии любимого сериала, так и каждый структуральщик хочет скорее увидеть новый AlphaFold. И вот в мае команда из Google DeepMind во главе с Джоном Джампером представила AlphaFold3. Модель предсказывает пространственную укладку белков еще точнее, чем AF2. Но главная фишка — это способность прогнозировать структуру белковых комплексов и взаимодействия между белками и малыми лигандами или ДНК/РНК. AF3 принимает на вход последовательности нескольких молекул и выдает совместные 3D-картинки.

Нейросеть превосходит как классические программы докинга (Vina), так и новаторские тулы прогнозирования структур мультибелковых комплексов (AlphaFold-Multimer). Обгоняет AF3 и аналогичную модель RoseTTAFold All-Atom — ее в марте выпустила конкурирующая лаборатория небезызвестного Дэвида Бэйкера. Чтобы добиться таких результатов, пришлось существенно доработать архитектуру нейросети AF2 🤖 Например, прибегнуть к диффузионным моделям. Однако в отличие от прошлого раза компания не открыла исходный код и веса модели, а только предоставила доступ к веб-сервису и поделилась «псевдокодом», поскольку не хочет, чтобы фармкомпании коммерциализировали инновацию. Сторонники open-source в бешенстве, энтузиасты пытаются воссоздать алгоритм и сделать его полностью доступным, были даже взломы сервера AF3 😱 На этом фоне DeepMind обещала поделиться кодом с академическими исследователями в течение 6 месяцев.

🧬 Если AlphaFold и другие структурные модели, требующие для обучения экспериментальные данные, — уже давно на слуху, то сейчас набирает популярность другой подход — искать скрытый смысл в аминокислотных последовательностях, подобно тому как ChatGPT постигает закономерности человеческих текстов. Речь про белковые языковые модели (pLM). Они уже показали очень любопытные результаты, в том числе для предсказания фолдинга и de novo дизайна белков. Так, недавно ученые из стартапа Profluent под руководством Али Мадани получили с помощью pLM первые искусственные CRISPR-ножницы ✂️ и даже «порезали» ими гены человека!

Известно, что для генно-инженерных целей наиболее удобен белок SpCas9, хотя в природе много и других систем, которые ученые продолжают интенсивно искать в сообществах микроорганизмов 🧫 Но машинлернерам из Беркли естественного разнообразия оказалось мало. Специалисты, проанализировав сотни известных микробных геномов и метагеномов, обнаружили более миллиона оперонов и создали целый Атлас CRISPR-Cas. Далее они дообучили белковую языковую модель ProGen, которая умеет предсказывать следующие аминокислоты в цепочке, на собранных данных и попросили сгенерировать миллионы новых Cas-нуклеаз. Потом 200 наиболее перспективных последовательностей они синтезировали в лаборатории и трансфицировали плазмидами с ними (+гидовой РНК) человеческие клетки линии HEK293T. Многие ИИ-редакторы эффективно отредактировали гены, а один, названный OpenCRISPR-1, показал даже меньшую офф-таргет активность, чем природный белок. Разработчики надеются, что ИИ CRISPR-системы будут точными и универсальными и однажды дойдут до клиники.

#выходные_у_бластим