Institut for Plante- og Miljøvidenskab (PLEN) inviterer ansøgere til et PhD-stipendium inden for beregningsorienteret plantebiologi. Projektet finansieres af Novo Nordisk Fonden gennem Ascending Investigator-bevillingen "Accelerating crop resilience with AI-enabled gene function prediction and stress regulatory networks" (NNF26OC0113093). Programmet har til formål at gøre udviklingen af varme- og tørkeresistens i nordiske afgrøder forudsigelig ved at omdanne plantelitteratur og multi-omics-data til evidensbaserede forudsigelser af genfunktion og stressregulering.
Forventet startdato er 1. maj 2027 eller hurtigst muligt derefter.
I projektet forbliver mange plantegener funktionelt ukarakteriserede, og den eksisterende viden er spredt over mere end 200.000 artikler. KU - SCIENCE - PLENs vidensgraf, PlantConnectome, har vist, at store sprogmodeller kan udtrække denne viden i stor skala; dette projekt vil bygge videre på den og bruge den til at forudsige genfunktion.
Som stipendiat vil personen:
- Finjustere åbne store sprogmodeller (f.eks. Llama-klassemodeller med QLoRA) på KU - SCIENCE - PLENs eksisterende, kuraterede vidensgraf og bruge det bedste checkpoint til at udtrække entiteter, relationer og understøttende evidens fra over 200.000 open-access planteartikler, der dækker modelarter og afgrøder.
- Opbygge en herkomstbevidst vidensgraf, der er en størrelsesorden større end PlantConnectome, hvor hver kant kan spores tilbage til den sætning og det eksperiment, der understøtter den.
- Forudsige nye gen–GO-associationer ved direkte naboskabsræsonnement (matchning af LLM-genererede entitetsdefinitioner til GO-termer med embeddings og en LLM-guardrail) og ved sti-baseret linkprædiktion med grafneurale netværk, evalueret CAFA-stil mod tilbageholdte annotationer.
- Omdanne regulerende relationer i grafen til booleske og relaterede diskrete netværksmodeller af stresssignalering, simulere dem og teste deres forudsigelser mod ekspressionsdata genereret i gruppen.
- Skeldne velunderstøttede fra overciterede påstande og eksplicit repræsentere evidenskvalitet og uafhængighed i grafen.
Stillingen er beregningsorienteret, men er placeret i en gruppe, der genererer egne enkeltcelle-stressdata og validerer forudsigelser i raps, så kandidatens forudsigelser vil blive testet.
Hvem søger KU - SCIENCE - PLEN? KU - SCIENCE - PLEN søger kandidater inden for fagområderne beregningsbiologi, bioinformatik, datalogi, fysik, matematik eller plantebiologi med en stærk kvantitativ interesse. Erfaring med naturlig sprogbehandling, store sprogmodeller, grafdatabaser, netværksmodellering eller maskinlæring er en fordel. En interesse i, hvordan planter faktisk fungerer, er essentiel; en formel baggrund inden for plantebiologi er ikke nødvendig.
Kodningserfaring er velkommen, men ikke et krav ved ansættelse – KU - SCIENCE - PLEN underviser i det. Hvad virksomheden ikke hurtigt kan lære fra sig, og derfor vælger ud fra, er videnskabelig dømmekraft:
- At stille spørgsmålstegn ved data frem for at acceptere dem – at spørge, hvad der blev målt, hvordan og mod hvilken forventning.
- At bemærke anomalier og behandle dem som information snarere end støj.
- At organisere flere undersøgelseslinjer parallelt og vide, hvornår man skal stoppe eller omdirigere en.
- At forbinde beregningsmæssig evidens med et konkret biologisk spørgsmål.
- At ændre mening, når evidensen ændrer sig.
KU - SCIENCE - PLEN er lige interesseret i kandidater fra biologi, der ønsker at lære beregning, og kandidater fra datalogi, fysik eller ingeniørvidenskab, der ønsker at lære biologi.
Om KU - SCIENCE - PLENs forskningsgruppe og dens forskning. Mutwil-gruppen ved PLEN arbejder i skæringspunktet mellem komparativ og evolutionær plantebiologi samt AI-drevet biologisk opdagelse.
Forskningsgruppen bygger store tværarts genekspressionsatlas, komparative co-ekspressionsnetværk og vidensgrafer, og den bruger maskinlæring og store sprogmodeller til at omdanne plantelitteratur og omics-arkiver til testbare hypoteser. Gruppen omfatter flere PhD-studerende, postdocs og kandidatstuderende og vedligeholder en portefølje af udbredte fællesskabsressourcer under .plant.tools-domænet, herunder PlantConnectome, CoNekt, diurnal.plant.tools og evorepro.plant.tools.
Gruppen er en del af Institut for Plante- og Miljøvidenskab (PLEN), Det Naturvidenskabelige Fakultet, Københavns Universitet. KU - SCIENCE - PLEN er placeret på Frederiksberg Campus i København.
KU - SCIENCE - PLEN tilbyder kreative og stimulerende arbejdsforhold i et dynamisk og internationalt forskningsmiljø. KU - SCIENCE - PLENs forskningsfaciliteter inkluderer moderne molekylærbiologiske laboratorier, vækstfaciliteter for planter og dedikerede højtydende computer- og GPU-ressourcer.
Hovedvejleder er lektor Marek Mutwil, Institut for Plante- og Miljøvidenskab (PLEN), Københavns Universitet. E-mail: mutwil@plen.ku.dk.
PhD-uddannelsen er et treårigt fuldtidsstudie inden for rammerne af det ordinære PhD-program (5+3-ordningen), hvis ansøgeren allerede har en uddannelse svarende til en relevant dansk kandidatgrad.
Nødvendige kvalifikationer
For at være kvalificeret skal ansøgeren have afsluttet en uddannelse svarende til en dansk kandidatgrad (180 ECTS/3 FTE BSc + 120 ECTS/2 FTE MSc) inden for projektets fagområde, f.eks. bioinformatik, beregningsbiologi, datalogi, fysik, matematik, molekylærbiologi eller et beslægtet felt. For information om berettigelsen af afsluttede programmer, se generelle vurderinger for specifikke lande og vurderingsdatabasen.
Ansættelsesvilkår
Ansættelse som PhD-stipendiat er på fuld tid og for maksimalt 3 år. Ansættelsen er betinget af en vellykket indskrivning som PhD-studerende ved PhD-skolen ved Det Naturvidenskabelige Fakultet, Københavns Universitet. Dette kræver indsendelse og accept af en ansøgning til det specifikke projekt formuleret af ansøgeren.
Ansættelses- og lønvilkår er i overensstemmelse med overenskomsten mellem Finansministeriet og de relevante faglige organisationer for akademikere i staten. Stillingen er omfattet af stillingsstrukturprotokollen.
Ansøgere kan læse mere om lønniveauer i staten på www.loenoverblik.dk (på dansk).
Ansvarsområder og opgaver
- Gennemføre et selvstændigt forskningsprojekt under vejledning.
- Gennemføre PhD-kurser svarende til ca. 30 ECTS / ½ fuldtidsækvivalent.
- Deltage i aktive forskningsmiljøer, herunder et ophold ved en anden forskningsinstitution, fortrinsvis i udlandet.
- Undervisnings- og vidensformidlingsaktiviteter.
- Skrive videnskabelige artikler rettet mod tidsskrifter med høj impact.
- Skrive og forsvare en PhD-afhandling på baggrund af projektet.
KU - SCIENCE - PLEN søger følgende kvalifikationer
- Faglige kvalifikationer relevante for PhD-projektet.
- Programmeringserfaring (f.eks. Python) er en fordel; stærk analytisk ræsonnement er essentielt.
- Relevante publikationer.
- Relevant erhvervserfaring, f.eks. med NLP, LLM'er, vidensgrafer, netværksmodellering eller maskinlæring.
- Andre relevante faglige aktiviteter.
- En nysgerrig indstilling med en stærk interesse i at omdanne videnskabelig litteratur til prædiktive, testbare modeller.
- Godt skriftligt og mundtligt engelsk.
Ansøgnings- og vurderingsprocedure
Ansøgningen inklusive alle bilag skal være på engelsk og indsendes elektronisk ved at klikke på APPLY NOW nedenfor.
Ansøgningen skal indeholde:
- Motiveret ansøgning (maks. én side), der angiver ansøgerens motivation for at ansøge om dette specifikke PhD-projekt.
- Skriftlige svar på de fire spørgsmål nedenfor (maks. 250 ord hver). Ansøgeren må gerne bruge AI-værktøjer til at udarbejde svarene; angiv venligst, hvis dette gøres. De skriftlige svar er et udgangspunkt for interviewet, hvor KU - SCIENCE - PLEN vil udforske ansøgerens ræsonnement i en samtale.
- Curriculum vitae inklusive information om uddannelse, erfaring, sprogfærdigheder og andre færdigheder relevante for stillingen.
- Originale diplomer for bachelor og kandidat samt karakterudskrifter på originalsproget, inklusive en autoriseret engelsk oversættelse, hvis udstedt på et andet sprog end engelsk eller dansk. Hvis uddannelsen ikke er afsluttet, accepteres en certificeret/underskrevet kopi af en nylig karakterudskrift eller en skriftlig erklæring fra institutionen eller vejlederen.
- Publikationsliste (hvis muligt).
- Referencer (hvis tilgængelige).
Ansøgningsspørgsmål
- Forskningsinteresse. Hvilket biologisk spørgsmål vil ansøgeren gerne arbejde med i dette projekt, og hvilken evidens ville være nødvendig for at besvare det?
- Datatolkning. Et gen har en ekspressionsværdi på 100 under kontrolforhold, 200 under varmestress, 200 under tørke og 400 under kombineret varme og tørke. Hvad konkluderes der, og hvad ville ansøgeren ønske at vide, før der konkluderes?
- Parallel arbejde. Ansøgeren har to uger, et sæt offentligt tilgængelige ekspressionsdata og litteratur, der endnu ikke er kendt. Hvordan ville de to uger organiseres, og hvad ville der leveres ved udgangen af hver uge?
- Holdningsændring. Beskriv en situation, hvor ansøgeren troede noget om et projekt eller datasæt, og evidens fik personen til at revidere det. Hvad var evidensen?
Ansøgningsfrist: Fristen for ansøgninger er 31. januar 2027, kl. 23:59 GMT +1.
KU - SCIENCE - PLEN forbeholder sig retten til ikke at behandle materiale modtaget efter fristen og ikke at behandle ansøgninger, der ikke opfylder de ovennævnte krav.
Den videre proces
Efter fristens udløb vil et antal ansøgere blive udvalgt til faglig vurdering af en uvildig ekspertbedømmer. Ansøgerne vil blive underrettet om, hvorvidt de går videre til vurdering. Bedømmeren vil vurdere de udvalgte ansøgeres kvalifikationer og erfaring med hensyn til det ovennævnte forskningsområde, teknikker, færdigheder og andre krav. De vurderede ansøgere får mulighed for at kommentere deres vurdering. Ansøgere kan læse mere om rekrutteringsprocessen på http://employment.ku.dk/faculty/recruitment-process/.
Interviews med udvalgte kandidater forventes afholdt i marts 2027.
Spørgsmål
For specifik information om PhD-stipendiet bedes ansøgere kontakte hovedvejleder, lektor Marek Mutwil (mutwil@plen.ku.dk).
Generel information om PhD-studier ved Det Naturvidenskabelige Fakultet er tilgængelig på PhD-skolens hjemmeside: https://www.science.ku.dk/phd/.
Københavns Universitet ønsker at afspejle det omgivende samfund og inviterer alle, uanset personlig baggrund, til at søge.
