Associate Scientist data science – CNAP_112_26

Data di apertura: 06/10/2026 | Data di chiusura: 27/10/2026

AVVISO DI RICERCA E SELEZIONE DI PERSONALE

Codice Avviso: CNAP_112_2026

La Fondazione Biotecnopolo di Siena, fondazione di diritto privato senza scopo di lucro con sede legale e operativa in Siena, istituita con Legge n. 234/2021, art. 1, commi 945 - 950 e avente come membri fondatori il Ministero dell’Università e della Ricerca, il Ministero della Salute, il Ministero dell’Economia e delle Finanze e il Ministero delle Imprese e del Made in Italy, ha avviato la selezione di

N.3 ASSOCIATE SCIENTIST DATA SCIENCE.

ATTIVITA'

La risorsa verrà impiegata nelle attività di sviluppo scientifico e nelle attività del Laboratorio di Data Science, contribuendo alle capacità di analisi avanzata della Fondazione e del CNAP attraverso attività di ricerca, sorveglianza, modellistica e integrazione di dati multi-omici. Contribuirà inoltre all'attuazione delle linee di ricerca strategiche sui patogeni di interesse per il CNAP.

I candidati selezionati si occuperanno, in base allo specifico ambito di attività cui saranno assegnati all’interno dell’ufficio, di:

Bioinformatics and Biostatistics

• Fornire supporto bioinformatico per l'ottimizzazione di sequenze di RNA a scopo terapeutico o di ricerca.
• Condurre l'analisi biostatistica di dati omici e di dati derivanti da esperimenti di laboratorio.
• Collaborare alla pianificazione statistica (Design of Experiments) dei saggi di laboratorio per garantire la significatività e la riproducibilità dei risultati.
• Sviluppare, mantenere e ottimizzare pipeline bioinformatiche per l'analisi di dati di sequenziamento (NGS).
• Redigere report statistici e bioinformatici chiari e dettagliati per supportare la pubblicazione di articoli scientifici e la sottomissione di progetti di ricerca.
• Mantenere un'accurata documentazione dei modelli generati e contribuire alla stesura di report scientifici e presentazioni per i meeting di progetto.

Computational Biology

• Eseguire l'ingegnerizzazione computazionale di anticorpi e antigeni, finalizzata all'ottimizzazione mirata dei profili di affinità, specificità, solubilità e stabilità termodinamica.
• Utilizzare e implementare modelli di Deep Learning (es. AlphaFold, RFdiffusion) per la predizione strutturale e il design molecolare.
• Collaborare attivamente con i team sperimentali per tradurre le predizioni in silico in costrutti molecolari da validare in laboratorio (wet lab).
• Sviluppare script e codici in Python per automatizzare le analisi strutturali e l'elaborazione dei risultati computazionali.
• Mantenere un'accurata documentazione dei modelli generati e contribuire alla stesura di report scientifici e presentazioni per i meeting di progetto.

REQUISITI E COMPETENZE

Per l'ammissione alla procedura di selezione i candidati devono essere in possesso dei seguenti requisiti minimi:

• Laurea magistrale in discipline scientifiche pertinenti le attività descritte nel presente bando, seguita da esperienza lavorativa di almeno 3 anni nell'esercizio di funzioni analoghe a quelle oggetto del presente avviso presso laboratori di ricerca di enti pubblici o privati.

I requisiti di ammissione devono essere posseduti alla data di scadenza del termine utile per la presentazione delle candidature e desumibili chiaramente dal cv.

Nella valutazione delle candidature, costituiscono requisiti preferenziali a seconda delle rispettive aree di attività:

Bioinformatics and Biostatistics

• Solide basi di statistica inferenziale e modellistica (ANOVA, regressioni lineari/logistiche, analisi di sopravvivenza, test non parametrici) applicate a dati biologici.
• Esperienza pratica con tool bioinformatici per l’analisi strutturale e di sequenza dell’RNA (es. ViennaRNA, algoritmi di ottimizzazione dei codoni).
• Esperienza documentata nell’utilizzo di metodi computazionali per l’analisi di acidi nucleici (es. analisi dati di sequenziamento NGS, assemblaggio, valutazione di mutazioni).
• Buona conoscenza di un linguaggio di scripting (preferibilmente Python o R) e tool di version control (Git).
• Familiarità con ambiente Linux/Unix e capacità di gestire analisi computazionali su infrastrutture di calcolo ad alte prestazioni (HPC) o cloud.

Computational Biology

• Esperienza con tool di Deep Learning per analisi e predizione della struttura di proteine (es. AlphaFold, OpenFold, RFdiffusion, ProteinMPNN).
• Esperienza nell’uso di strumenti computazionali per il design e/o ingegnerizzazione di proteine con particolare focus su anticorpi.
• Buona conoscenza del linguaggio Python e delle principali librerie per il calcolo scientifico e bioinformatico (es. Biopython, NumPy, Pandas, PyTorch), e tools di version co