Doktorandanställning inom datadriven livsvetenskap

Vid Institutionen för klinisk mikrobiologi, Umeå universitet, utlyser vi en doktorandanställning inom datadriven livsvetenskap med inriktning mot datadriven epidemiologi och infektionsbiologi. Anställningen är en fullt finansierad doktorandtjänst på fyra år.

Data-driven life science Forskarskola

Datadriven livsvetenskap (DDLS) använder data, beräkningsmetoder och artificiell intelligens för att studera biologiska system och processer på alla nivåer, från molekylära strukturer och cellulära processer till människors hälsa och globala ekosystem. SciLifeLabs och Wallenberg National Program for Data-Driven Life Science (DDLS) syftar till att rekrytera och utbilda nästa generation av datadrivna livsvetare samt att bygga upp globalt ledande kapacitet inom beräknings- och datavetenskap i Sverige. Programmet finansieras med totalt 3,3 miljarder kronor under 12 år av Knut och Alice Wallenbergs Stiftelse (KAW).

Under 2026 kommer DDLS-forskarskolan att utökas genom rekrytering av 25 akademiska och 7 industriella doktorander. Under programmets gång kommer fler än 260 doktorander och 200 postdoktorer att vara en del av forskarskolan. DDLS-programmet omfattar fyra strategiska forskningsområden: cell- och molekylärbiologi, evolution och biodiversitet, precisionsmedicin och diagnostik samt epidemiologi och infektionsbiologi. För mer information, se https://www.scilifelab.se/data-driven/ddls-research-school/

Datadriven epidemiologi och infektionsbiologi omfattar forskning som kommer att förändra vår förståelse av patogener, deras interaktioner med värdar och miljön samt hur de sprids i populationer. Forskningen kommer att ha ett starkt fokus på beräkningsanalys eller prediktiv modellering av patogenbiologi eller värd-mikrob-system där flerdimensionella experimentella data i genomskala nu finns tillgängliga, eller använda populationsbaserade genetiska, kliniska eller folkhälsodata från patogenövervakning och biobanker.

Livsvetenskapens framtid är datadriven. Vill du vara en del av den förändringen? Då är du välkommen att delta i detta unika program!

Arbetsbeskrivning

Du kommer att arbeta i Anne-Marie Fors Connollys forskargrupp vid Institutionen för klinisk mikrobiologi, Umeå universitet, i nära samarbete med Martin Rosvall vid IceLab och Tommy Löfstedt vid Institutionen för datavetenskap.

Du kommer att vara en del av DDLS-forskarskolan och bidra till en nationellt samordnad, datadriven forskningsmiljö i gränslandet mellan infektionsepidemiologi, klinisk mikrobiologi och artificiell intelligens. Projektet är också integrerat i CRITICAL MICROBES, en pågående satsning för att centralisera och harmonisera kliniska mikrobiologiska data i Sverige för koppling till hela befolkningens registerdata.

Doktoranden kommer att vara del av en kreativ, tvärvetenskaplig miljö med omfattande stöd för genomförandet av doktorandprojektet.

Om doktorandprojektet: CRITICAL AI – Comprehensive Research on InfecTIons Across the Lifespan using AI

Syftet med doktorandprojektet är att utveckla robusta och granskningsbara beräkningsmetoder för att harmonisera nationella klinisk mikrobiologiska data och länka dessa till longitudinella befolkningsregister. Projektet bygger vidare på databasen CRITICAL MICROBES vid Umeå universitet, där infektionsprovdata från svenska kliniskt mikrobiologiska laboratorier centraliseras och kopplas till patientkaraktäristika och infektionsutfall. Data omfattar elektroniska remisser, laboratoriesvar, strukturerade testresultat, artidentifieringar, resistensprofiler, tolkande kommentarer samt registerlänkade utfallsdata.

I detta projekt kommer du att utveckla och tillämpa AI-baserade metoder (till exempel maskininlärningsmetoder och många andra metoder) för att harmonisera historisk och aktuell patogennomenklatur, standardisera laboratorietestmetoder och resultatvokabulärer samt översätta klinisk och laboratoriebaserad fritext till strukturerad terminologi. Projektet kombinerar klassiska textalgoritmer, medicinska ontologier och domänspecifika språkmodeller, bland många andra metoder och modeller. Du kommer att hantera storskaliga longitudinella hälsodata, utveckla och validera beräkningsmodeller samt bidra till metoder som möjliggör populationsbaserad forskning över hela livsloppet med upplösning på patogennivå.

Projektet är starkt tvärvetenskapligt och kommer att ge utbildning inom klinisk mikrobiologi, infektionsepidemiologi, maskininlärning, dataharmonisering och datavetenskap. Du kommer också att delta i DDLS-utbildningar och nationella nätverksaktiviteter.

Behörighetskrav

Sökande uppfyller grundläggande behörighetskrav för utbildning på forskarnivå om de har:

• avlagt examen på avancerad nivå,
• fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå,
• eller på annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper (Högskoleförordningen, 7 kap. 39 §).

Vidare omfattas anställningen av de skyldigheter för offentlig anställning som gäller för statligt anställda.

Sökande ska:

• ha en masterexamen, eller motsvarande, inom bioinformatik, datavetenskap, datalogi, beräkningsbiologi, statistik, folkhälsovetenskap, biomedicinsk teknik, tillämpad matematik, fysik eller annat kvantitativt område av relevans för projektet,
• ha dokumenterad programmeringserfarenhet i R, Python eller andra vanliga programmeringsspråk,
• ha erfarenhet av kvantitativ analys, beräkningsmodellering, bioinformatik, maskininlärning eller annan form av dataintensiv akademisk forskning,
• ha ett starkt intresse för tvärvetenskapligt arbete, inklusive klinisk mikrobiologi, epidemiologi, maskininlärning, artificiell intelligens och hälsodataforskning,
• ha mycket god förmåga att kommunicera på engelska, både i tal och skrift,
• ha god förmåga till tidsplanering och organisering samt dokumenterad förmåga att verka självständigt,
• ha stark och dokumenterad förmåga att samarbeta konstruktivt i ett tvärvetenskapligt team,
• vara väl förtrogen med europeisk dataskyddslagstiftning (GDPR), på grund av den känsliga naturen hos de data som kommer att behandlas.

Ytterligare meriter

Sökande kan även ha följande meriter:

• tidigare erfarenhet av maskininlärning, naturlig språkbehandling, biomedicinska språkmodeller eller probabilistisk modellering,
• tidigare erfarenhet av storskaliga kliniska data, laboratoriedata, registerdata eller andra hälsorelaterade data (erfarenhet av nordiska registerdata är meriterande),
• kännedom om biomedicinska ontologier, kontrollerade vokabulärer eller kodsystem såsom SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms), NPU (Nomenclature, Properties and Units), ICD (International Classification of Diseases) eller liknande,
• erfarenhet av statistik, epidemiologi och/eller validering av beräkningsmodeller,
• klinisk kompetens som läkare med specialisering i folkhälsomedicin,
• erfarenhet av att bidra till sakkunniggranskade publikationer, preprints, mjukvaruverktyg eller andra relevanta forskningsresultat,
• erfarenhet av att söka extern finansiering för forskning.

Stor vikt kommer att läggas vid förmågan att samarbeta.

Ansökan

Ansökan ska innehålla:

• ett personligt brev där den sökande beskriver sin motivation för att söka anställningen och hur hen uppfyller de angivna kriterierna (max 1 sida),
• en meritförteckning (CV), inklusive lista över tidigare publikationer, examensarbeten och/eller mjukvarubidrag, där så är tillämpligt,
• kopior av kandidat- och/eller masterexamen, inklusive dokumentation över genomförda akademiska kurser och betyg. En separat lista över programmeringskurser som den sökande har genomgått ska bifogas,
• dokumentation av programmeringsutbildning eller erfarenhet av relevans för projektet, till exempel kursutdrag, kursbeskrivningar, GitHub-profil, mjukvaruportfölj eller motsvarande,
• namn och kontaktuppgifter till 2 referenser.

Ansökningar skickas in elektroniskt via Varbi. Dokument ska vara i PDF-format. Sista ansökningsdag är 30 april 2026.

Lönesättning sker enligt fastställd lönestege för doktorandanställningar. Anställningen är fullt finansierad i fyra år och påbörjas senast i oktober 2026. För mer information, kontakta Anne-Marie Fors Connolly (anne-marie.fors.connolly@umu.se).