PhD Researcher / Doctoral Researcher (m/f/d) Bioinformatics & AML

Über Universitätsklinikum Schleswig-Holstein (UKSH)

Das Universitätsklinikum Schleswig-Holstein (UKSH) verbindet internationale Spitzenforschung mit interdisziplinärer Krankenversorgung. Wir sind einziger Maximalversorger und größter Arbeitgeber des Landes. Unsere rund 17.500 Mitarbeitenden stellen eine höchst individuelle Versorgung sicher - unverzichtbar für die Menschen in Schleswig-Holstein.

Abteilung für Innere Medizin II, Forschungsgruppe: Funktionelle Genomik der akuten Leukämie.

Die Position ist Teil des neu etablierten Forschungsprojekts "LUCID-AML - Learning-based Unsupervised Clustering of transcriptomIcs to Detect developmental, functional and prognostic subtypes in AML across age", gefördert von der Deutschen José Carreras Leukämie-Stiftung. Es ist eng verbunden mit unserer DFG-geförderten Klinischen Forschungsgruppe "CATCH-ALL: Towards a Cure for Adults and Children with Acute Lymphoblastic Leukemia", in der klinische und Grundlagenforscher zusammenarbeiten, um Mechanismen der Leukämogenese und Behandlungsresistenz über Altersgruppen hinweg zu definieren.

Akute myeloische Leukämie (AML) betrifft Menschen jeden Alters, aber ihre Inzidenz steigt bei älteren Erwachsenen stark an, während die Überlebensrate mit dem Alter stark abnimmt. AML kann in transkriptomische Gruppen eingeteilt werden, die zytogenetische Läsionen widerspiegeln, entwicklungsbedingte Ursprünge aufzeigen und Leukämien mit normalen hämatopoetischen Zuständen verbinden. Es fehlen jedoch konsistente Subtypdefinitionen und robust validierte Werkzeuge für deren Anwendung über Kohorten hinweg.

Das Projekt baut auf ALLCatchR und unserer Arbeit an maschinellen Lernframeworks für die Krankheitsklassifikation und die Identifizierung neuer molekularer Subtypen bei akuter lymphoblastischer Leukämie auf. LUCID-AML wird mehr als 8.000 Genexpressionsprofile von Bulk-AML aus mehreren Kohorten mit Einzelzelldaten, Molekulargenetik, diagnostischen Klassifikationen, Medikamentenansprechdaten und klinischen Ergebnissen integrieren. Das Projekt zielt darauf ab, reproduzierbare, genexpressionsbasierte AML-Subtypen zu etablieren, die Alter und Behandlung berücksichtigen. Weitere Ziele sind die Definition ihrer entwicklungsbedingten Ursprünge und die Bereitstellung der resultierenden Modelle als transparente Open-Source-Tools für Forschung und klinische Diagnostik. Zum Weiterlesen: Beder et al., HemaSphere, 2023; Bastian et al., Blood, 2024; Beder et al., bioRxiv / HemaSphere, 2026.

Rahmenbedingungen

Treten Sie unserem Team so bald wie möglich bei. Die anfängliche Anstellung ist für drei Jahre befristet, mit der Möglichkeit einer Verlängerung.

Wir bieten

• Vergütung nach dem deutschen TV-L E13 Tarifvertrag für eine 65%-Stelle (25 Stunden pro Woche), vorbehaltlich der geltenden tarifvertraglichen Anforderungen; die Position bietet die Möglichkeit zur Promotion
• Zugang zu einer großen AML-Transkriptomik-Ressource mit umfassenden molekularen, funktionellen und klinischen Annotationen über ein breites Altersspektrum
• Enge Zusammenarbeit mit Computer- und klinischen Wissenschaftlern, Bioinformatikern, experimentellen Hämatologen und klinischen Wissenschaftlern, einschließlich nationaler und internationaler Partner
• Ausbildungs- und Forschungsmöglichkeiten in groß angelegter Bulk- und Einzelzell-Transkriptomik, maschinellem Lernen, R-Paketentwicklung und reproduzierbarer Forschung, mit Zugang zu Hochleistungsrecheninfrastruktur
• Zusätzliche UKSH-Mitarbeitervorteile gemäß institutionellen Richtlinien

Aufgaben

• Harmonisierung von RNA-seq-Datensätzen aus mehreren Kohorten und Altersgruppen und Entwicklung eines End-to-End-Workflows zur Subtyp-Entdeckung, einschließlich Qualitätskontrolle, Batch-Korrektur, Merkmalsauswahl, Manifold-Lernen, Subtyp-Definition und Stabilitätsbewertung
• Aufbau kalibrierter hierarchischer maschineller Lernmodelle, die Subtyp-Zuordnungen über Kohorten und Plattformen hinweg übertragen
• Bewertung von Subtyp-Definitionen in Bezug auf molekulargenetische Befunde, WHO/ICC- und ELN-Kategorien, Alter, Behandlung, Medikamentenansprechen und klinische Ergebnisse
• Abbildung von AML-Subtypen auf Atlanten der hämatopoetischen Entwicklung, Bewertung ihrer Stammzellzustände und Validierung von Bulk-abgeleiteten Befunden unter Verwendung groß angelegter Einzelzell-RNA-seq-Datensätze
• Implementierung und Dokumentation der leistungsstärksten Methoden in einem reproduzierbaren R-Paket und Beitrag zu kollaborativen Analysen, Manuskripten, Präsentationen und Projektberichten

Profil

• Wir suchen einen begeisterten Doktoranden mit einem Abschluss (M.Sc. oder gleichwertig) in Bioinformatik, Computerbiologie, Datenwissenschaft, Systembiologie, Molekularbiologie oder einer verwandten quantitativen oder lebenswissenschaftlichen Disziplin
• Programmierkenntnisse in R und/oder Python und eine solide Grundlage in Statistik oder maschinellem Lernen sind erforderlich; die Bereitschaft, intensiv in R zu arbeiten, ist unerlässlich
• Erfahrung mit Bulk- oder Einzelzell-Transkriptomik, Krebsgenomik, Clustering oder Klassifikation, Paketentwicklung, Workflow-Systemen oder Containern ist von Vorteil, kann aber auch während des Projekts erworben werden
• Wir suchen einen fokussierten, kollaborativen Kandidaten mit einer starken Arbeitsmoral und der Motivation, ein tiefes Verständnis für das Projekt zu entwickeln
• Die Fähigkeit, sowohl selbstständig als auch innerhalb der Gruppe und des breiteren Konsortiums zu arbeiten

Bewerbung

Bitte reichen Sie Ihre Bewerbung bis zum 28. Oktober 2026 unter Angabe der Referenznummer 29315 ein.