BenevolentAI成立于2013年，致力于创造和应用AI技术来改变药物的发现和开发方式。BenevolentAI试图通过应用旨在产生更好的数据决策的技术来改善患者的生活，从而降低药物开发成本，降低失败率并提高药物生产速度。该公司已经开发了Benevolent Platform™-BenevolentAI科学家用来发现新方法来治疗疾病和为患者提供个性化药物的发现平台。
BenevolentAI在伦敦设有总部，在英国剑桥设有研究机构，并在纽约和安特卫普设有办事处。从发现到IIb期，BenevolentAI在诸如ALS，帕金森氏病，溃疡性结肠炎和肌肉减少症等疾病领域拥有积极的研发药物计划。
角色
生物医学信息学团队致力于将生物信息学技术应用于药物发现和精准医学。我们热切希望听到经验丰富的生物信息学家，他们对整合和分析生物医学数据集有着浓厚的热情和良好的往绩，并加入了不断壮大的生物医学信息学部门。您会发现自己是跨职能团队的一部分，该团队支持BenevolentAI的数据集成，目标识别和精准医学活动。
主要职责
处理，整合和分析生物医学数据集以获得生物学见解，从而得出与BenevolentAI进行的药物发现和临床开发计划相关的可检验假设。
开发可自动分析生物医学数据集的编程工具和工作流程
作为跨职能团队的成员，该团队汇集了一流的信息，人工智能，工程，药物发现和产品功能，以应对科学挑战BenevolentAI正在寻找解决方案
我们正在寻找具有...的人
生物信息学，计算生物学或相关研究领域的博士学位。
整合生物医学数据集（例如ChEMBL，ENSEMBL，UniProt，PDB）的丰富经验（3年以上，最好是基于行业），可揭示新颖的生物学见解并支持药物发现或临床开发活动
至少一种语言的专业编程技能。我们偏爱Python，但也对R和Java感兴趣。候选人还应该熟悉支持生物信息学，数据科学和机器学习活动的语言包。
经验证的处理记录并从'组学数据集和相关资源中获得新颖的见解，例如基因表达图集，GEO，Array Express，TCGA和LINC
使用基于生物分子网络的方法来辅助药物发现或临床生物标记物开发的经验，例如因果推理，途径映射和功能模块检测。
具有处理临床数据和相关数据模型（例如CDISC，OMOP）的经验
使用Bioconductor程序包（例如DSeq2，edgeR，Limma）和其他相关工具包（例如STAR，Salmon，Kallisto，WGCNA）处理和分析转录组学数据集的经验。
使用我们喜欢的技术的经验，包括：Neo4j，GraphQL，BigQuery，ElasticSearch，MySQL，MongoDB，Spark，GitLab，Kubernetes，AWS，KNIME，Jupyter。
熟悉设计实验以生成数据并深入了解细胞测定系统或患者来源的组织的分子行为将被认为是有益的
熟悉化学结构表示法和使用化学信息库（例如RDKit）的经验将被认为是有益的。
跨行业和学术界的强大外部联系网络，以参与想法和知识共享。
优秀的口头和书面交流者，能够在各个层面和各个部门产生影响。
