- Bioinformatics Positions
- 正社員 / Full-time
Bioinformatics Scientist — Structural Biology & Antibody Engineering
AI / BIOINFO
[The Roll]
We are looking for a Structural Bioinformatician who will own the 3D characterization and optimization of our antibody drug candidates. Working in close partnership with our NGS team, you will transform sequence data into actionable structural insights—predicting binding architectures, evaluating developability, and feeding structural intelligence back into sequence selection. Your work will directly determine which candidates advance toward preclinical development.
This is not a support role. You will have end-to-end ownership of our structural prediction pipeline and a seat at the table when lead selection decisions are made.
[ポジション概要]
抗体医薬候補の3D構造解析と最適化をリードするStructural Bioinformaticianを募集します。NGSチームと緊密に連携し、配列データを構造的な知見に変換する役割です。結合アーキテクチャの予測、開発可能性（developability）の評価に加え、構造インテリジェンスを配列選択にフィードバックすることで、どの候補が前臨床開発に進むかを直接左右するポジションです。
これはサポート業務ではありません。構造予測パイプラインのエンドツーエンドのオーナーシップを持ち、リード選定の意思決定の場に座るポジションです。
| 採用情報 | |
|---|---|
| 定員 | 1 名 |
| 勤務時間 | [Working hours] • Flexible working hours (discretionary system) |
| 想定給与 | • Commensurate with experience. |
| 休日・休暇 | [Holidays / Leave] • Weekends (Saturday and Sunday) and Japanese national holidays • Paid annual leave: 10 days in the first year (prorated based on the month of joining) • Refresh leave: 5 days per year |
| What You Will Do | • Structural Prediction Pipeline: Build and maintain our antibody structure prediction pipeline: - Leverage AI-based structure prediction tools and classical homology modeling to predict antibody–antigen complex structures. Critically evaluate prediction confidence and communicate structural uncertainty to the team. • Binding Analysis & Lead Prioritization: Perform protein–protein docking simulations to map epitope–paratope interactions, identifying key residues that drive binding affinity and specificity. Provide structural rationale for lead prioritization. • Developability Assessment: Conduct in silico developability assessment—identifying aggregation hotspots, stability risks, and solubility liabilities—to flag manufacturing risks before wet-lab investment. • AI-Augmented Design & Validation: Apply and evaluate generative AI approaches for protein design to propose sequence optimizations. Benchmark AI-suggested variants against physics-based predictions to ensure reliability. • Wet-Lab Feedback Integration: Compare computational predictions with experimental results (SPR, cryo-EM, HDX-MS) to continuously improve prediction accuracy and refine modeling workflows. • Cross-Functional Communication: Translate complex 3D structural data into clear, visual insights for cross-functional stakeholders—enabling non-computational team members to make informed decisions. [担当業務] • 構造予測パイプラインの構築・運用 AIベースの構造予測ツールと古典的ホモロジーモデリングを活用し、抗体―抗原複合体の構造を予測する。予測の信頼度を批判的に評価し、構造的不確実性をチームに伝達する。 • 結合解析とリード優先順位付け タンパク質間ドッキングシミュレーションを実施し、エピトープ―パラトープ相互作用をマッピング。結合親和性と特異性を駆動する重要残基を特定し、リード優先順位付けの構造的根拠を提供する。 • 開発可能性（Developability）評価 インシリコでの開発可能性評価を実施。凝集ホットスポット、安定性リスク、溶解性の問題を特定し、ウェットラボへの投資前に製造上のリスクをフラグする。 • AIを活用した設計と検証 タンパク質設計のための生成AIアプローチを適用・評価する。AI提案のバリアントを物理ベースの予測と比較検証し、信頼性を担保する。 • ウェットラボフィードバックの統合 計算予測と実験結果（SPR、cryo-EM、HDX-MSなど）を比較し、予測精度の継続的改善とモデリングワークフローの洗練を行う。 • 部門横断コミュニケーション 複雑な3D構造データを明確で視覚的な知見に変換し、非計算系のチームメンバーが意思決定できるようにする。 |
| What We Are Looking For | We value the ability to think from first principles. While AI tools dramatically accelerate our work, we need someone who understands the physics and biology underneath—someone who can tell when an AI prediction is wrong, why it’s wrong, and what to do about it. [Foundational Expertise (Required)] • Master’s degree or PhD in Computational Biology, Structural Biology, Biophysics, Biochemistry, or a related quantitative field. • 3+ years of hands-on research experience in protein structure prediction and interaction analysis (PhD research counts toward this requirement). • Strong grounding in structural biology fundamentals: protein folding principles, intermolecular forces, binding thermodynamics, and antibody architecture (V-region, CDR loops, Fc engineering). You should be able to evaluate a predicted structure without relying solely on automated confidence scores. • Proficiency in Python for structural bioinformatics workflows (e.g., Biopython, MDAnalysis, RDKit). Comfortable building reproducible analysis pipelines, not just running one-off scripts. • Experience with molecular visualization and modeling tools (PyMOL, ChimeraX) and at least working familiarity with one physics-based modeling suite (Rosetta, Schrödinger, or GROMACS). [AI & Computational Tool Proficiency (Required)] • Practical experience deploying and interpreting AI-based structure prediction tools (AlphaFold2/3, RoseTTAFold, ESMFold)—including understanding their limitations, failure modes, and when to fall back to conventional methods. • Experience using LLM-based AI assistants (e.g., Claude, ChatGPT, GitHub Copilot) or other AI productivity tools to accelerate research workflows—such as literature analysis, code generation, data interpretation, or hypothesis exploration. We value researchers who actively leverage AI to multiply their output while maintaining scientific rigor. • Familiarity with protein language models (ESM-2, ProtTrans) and/or generative design tools (ProteinMPNN, RFdiffusion) is a strong plus. 求める人材像 私たちは第一原理から考えられる力を重視しています。AIツールは業務を劇的に加速しますが、その下にある物理学と生物学を理解している人材が必要です。AIの予測が間違っているとき、なぜ間違っているのか、どう対処すべきかを判断できる人を求めています。 [基礎的専門性（必須）] • 計算生物学、構造生物学、生物物理学、生化学、または関連する定量的分野の修士号もしくは博士号 • タンパク質構造予測・相互作用解析における3年以上の実務的研究経験（博士課程の研究をこの要件に含む） • 構造生物学の基礎に関する確かな素養：タンパク質折り畳みの原理、分子間力、結合熱力学、抗体アーキテクチャ（V領域、CDRループ、Fcエンジニアリング）。自動化されたconfidenceスコアだけに頼らず、予測構造を評価できること • 構造バイオインフォマティクスワークフローのためのPython実装力（Biopython、MDAnalysis、RDKitなど）。単発スクリプトではなく、再現可能な解析パイプラインを構築できること • 分子可視化・モデリングツール（PyMOL、ChimeraX）の経験、および物理ベースモデリングスイート（Rosetta、Schrödinger、GROMACSのいずれか）の実務的な知識 [AI・計算ツール活用力（必須）] • AIベースの構造予測ツール（AlphaFold2/3、RoseTTAFold、ESMFold）の実践的なデプロイ・解釈経験。それらのツールの限界、失敗モード、従来手法にフォールバックすべきタイミングの理解を含む • LLMベースのAIアシスタント（Claude、ChatGPT、GitHub Copilotなど）やその他のAI生産性ツールを研究ワークフローの加速に活用した経験。文献分析、コード生成、データ解釈、仮説探索などでAIを活用し、科学的厳密性を維持しながら生産性を飛躍させられる研究者を求めています • タンパク質言語モデル（ESM-2、ProtTrans）や生成デザインツール（ProteinMPNN、RFdiffusion）の知見があれば強い加点 |
| Qualities We Value | - Scientific skepticism: You instinctively validate AI outputs against domain knowledge before trusting them. You can articulate when and why a computational prediction should—or should not—be believed. - Intellectual curiosity: You keep up with the rapidly evolving landscape of computational structural biology and AI for drug discovery, and you proactively bring new methods to the team. - Communication clarity: You can explain a PAE plot to a medicinal chemist or a binding free energy calculation to a business stakeholder. - Startup adaptability: You thrive in an environment where priorities shift, tools evolve, and you’re expected to figure things out rather than wait for instructions. 私たちが重視する資質 - 科学的懐疑心： AI出力をドメイン知識で検証してから信頼する姿勢。計算予測を信じるべきとき・信じるべきでないときを明確に説明できること。 - 知的好奇心： 計算構造生物学とAI創薬の急速に進化する環境に自ら追随し、新しい手法を積極的にチームに持ち込む姿勢。 - コミュニケーションの明瞭さ： PAEプロットをメディシナルケミストに、結合自由エネルギー計算をビジネスステークホルダーに説明できる力。 - スタートアップ適応力： 優先順位が変わり、ツールが進化し、指示を待つのではなく自ら考えて動くことが求められる環境で力を発揮できること。 |
| Required Languages & Proficiency Level | • Business level / Fluent English |
| Preferred Languages & Proficiency Level | • Conversational Japanese |
| What We Offer | • Competitive salary and stock option package in a fast-growing startup. • Opportunity to make a significant impact on human health and drug development. • A collaborative, mission-driven, and intellectually stimulating work environment. ・急成長中のスタートアップにおける、競争力のある給与およびストックオプション制度 ・人の健康や創薬に大きなインパクトを与える機会 ・協働的でミッション志向かつ知的刺激に富んだ職場環境 |
| Why MOLCURE | • Direct impact on drug discovery: Your structural predictions directly shape which drug candidates move forward—this is not a service role buried in a large organization. • State-of-the-art tooling: We invest in the latest computational infrastructure and actively adopt cutting-edge AI tools. You won’t be fighting for GPU time or stuck with legacy software. • Interdisciplinary collaboration: Work alongside NGS scientists, wet-lab biologists, and ML engineers in a team where every discipline has a voice. • Growth & flexibility: Flexible work arrangements and the opportunity to grow with a company at the frontier of AI-driven drug discovery. MOLCUREで働く魅力 • 創薬への直接的インパクト：あなたの解析が、どの抗体候補が前に進むかを決定します。バイオインフォマティクスのサービスデスクではなく、あなたの判断がパイプラインの方向性を形作ります。 • 最先端のツール環境：最新の計算インフラに投資し、最先端のAIツールを積極的に導入しています。計算リソースの取り合いやレガシーソフトに縛られることはありません。 • 学際的コラボレーション：構造バイオインフォマティシャン、ウェットラボ研究者、MLエンジニアと協働する、すべての専門分野に発言権があるチームです。 • 成長と柔軟性：柔軟な勤務形態と、AI創薬のフロンティアにある企業とともに成長する機会。 |
| 勤務地 |
北海道・青森県・岩手県・宮城県・秋田県・山形県・福島県・茨城県・栃木県・群馬県・埼玉県・千葉県・東京都・神奈川県・新潟県・富山県・石川県・福井県・山梨県・長野県・岐阜県・静岡県・愛知県・三重県・滋賀県・京都府・大阪府・兵庫県・奈良県・和歌山県・鳥取県・島根県・岡山県・広島県・山口県・徳島県・香川県・愛媛県・高知県・福岡県・佐賀県・長崎県・熊本県・大分県・宮崎県・鹿児島県・沖縄県・海外 Full remote work available (Asia–Europe time zones only) |
| 募集拠点 |
東京都目黒区 |
| 企業情報 | |
|---|---|
| Company Name | MOLCURE Inc. |
| Head Office | Kawasaki, Kanagawa, Japan |
| Other Locations | Tokyo, Japan (AI / Bioinformatics / Biology) Tsuruoka, Yamagata, Japan (Biology) |
| Leadership | Satoshi Tamaki, Ph.D. — CEO / CSO Ryu Ogawa, Ph.D. — CIO / Founder |
| Founded | May 2013 |
| Industry | AI-driven Drug Discovery |
