Postdoctoral Researcher – Machine Learning

(Version francaise plus bas)

Postdoctoral Position in AI for Drug and Molecule Discovery with a Focus on Antibiotics 

As the world went through COVID-19, we saw how unprepared we are to face new pandemics, in part because it takes years to develop novel drugs. In fact, no new classes of antibiotics have been introduced on the market for decades, leaving us in a highly vulnerable position against the current rise of antimicrobial resistance (AMR). However, artificial intelligence (AI) aims to revolutionize the field by accelerating the exploration of the druggable chemical space across a broader diversity of molecules, opening the door to discovering novel classes of antibiotics.  

We seek a highly motivated postdoctoral researcher to join the PandemicStop-AI project led by the Brun Lab at University of Montréal (UdeM). The project includes an interdisciplinary team of machine learning scientists (Dominique Beaini, Alex Hernandez-Garcia, Audrey Durand), microbiologists (Yves Brun), and chemists (Anne Marinier), from UdeM, IRIC, Laval U. and Mila Quebec AI Institute. This position, primarily based at UdeM, focuses on developing an advanced model of a bacterial cell by combining multiple biological modalities into a multi-modal machine learning pipeline tied into an active learning molecular search and generative models, with a specific emphasis on antibiotics to address the global challenge of antimicrobial resistance. 

About the Project 

Drug discovery is a critical field for tackling pressing biomedical challenges and preparing us for the next pandemic. Our team integrates an advanced automated lab and AI methods to explore vast chemical spaces, predict molecular properties, and understand their biological effects. While the ultimate goal is to develop generalizable AI methodologies for molecule discovery, this project focuses on building an accurate model of bacteria that can be used to design antibiotics with novel mechanisms of action to combat drug-resistant pathogens. This includes implementing approaches that efficiently identify antibiotics within the immensely large and complex space of potential molecules.  

We leverage and develop cutting-edge AI techniques, including: 

  • Multi-modal representation learning: The main focus of the Postdoc position is to work on a multi-modal representation of the cell that includes, but is not limited to, the following modalities: phenomics images of bacteria, OMICS data, viability measurements, molecular kinetics, 3D docking (AlphaFold), molecular graphs, and gene language models. These modalities will be combined using auto-encoders, contrastive learning or equivalent approaches.  
  • Reinforcement Learning: The position is also meant to work at the intersection of a molecular optimization team that will leverage GFlowNets to explore chemical spaces proportionally to reward signals, enabling efficient and diverse molecule generation. 

This project benefits from close collaboration with researchers at Mila – Quebec AI Institute in Montreal, a world-leading hub for AI research. The postdoc will have opportunities to engage in Mila’s vibrant and collaborative environment, connecting with top AI researchers and practitioners. 

Responsibilities 

As a postdoc, you will: 

  • Develop and apply state-of-the-art AI techniques to tasks such as protein co-folding, molecule property prediction, multi-modal data integration, and molecular generation. 
  • Collaborate with interdisciplinary teams to validate AI predictions through experimental testing and biological assays. 
  • Work with high-content imaging data, molecular embeddings, and predictive and generative models to create a unified pipeline for molecule discovery. 
  • Engage with Mila researchers to exchange ideas, receive mentorship, and co-develop cutting-edge methodologies. 
  • Contribute to high-impact publications and present findings at leading conferences in AI and drug discovery. 

Qualifications 

We are seeking a highly motivated individual with: 

  • A Ph.D. in Computer Science, Machine Learning, Computational Biology, or a related field. 
  • A strong foundation in deep learning, with a preference for knowledge in a variety of subjects including computer vision, language models, graph or geometric learning, and multimodal models. 
  • Experience designing and deploying models in PyTorch in real-world settings. 
  • Demonstrated interest in applying AI to real-world biomedical challenges. 

Preferred but not required: 

  • Experience in molecular representation learning (e.g., SMILES, molecular graphs). 
  • Experience in structural biology (computational chemistry, AlphaFold, etc.) 
  • Background in handling high-dimensional biological or chemical data, such as microscopy or omics datasets. 

What We Offer 

  • A collaborative and innovative research environment at Université de Montreal, with access to a private compute cluster of multiple H100 GPUs. 
  • Close ties with Mila – Quebec AI Institute, providing access to mentorship, networking, and cutting-edge AI research. 
  • Opportunities to contribute to impactful research at the interface of AI, drug discovery, and molecular biology. 
  • Mentorship and professional development tailored to career growth in academia or industry. 
  • $60,000 per year. 

How to Apply 

Send the following documents to ML.Antibiotics@gmail.com: 

  1. A cover letter describing your research experience, interests, career goals and 1-2 relevant papers. 
  2. Your CV, including a list of publications. 
  3. Contact information for three references. 

Application deadline: Applications will be reviewed on a rolling basis until the position is filled. 

Starting date: Between May and September 2025. 

——- 

Poste de postdoctorant.e. en IA pour la découverte de médicaments et de molécules, avec un accent sur les antibiotiques 

 

Quand le monde a traversé la crise du COVID-19, nous avons constaté à quel point nous n’étions pas préparés à faire face à de nouvelles pandémies, en partie parce qu’il faut des années pour développer de nouveaux médicaments. En fait, aucune nouvelle classe d’antibiotiques n’a été introduite sur le marché depuis des décennies, ce qui nous maintient dans une position très vulnérable face à la montée actuelle de la résistance aux antimicrobiens (RAM). Cependant, l’intelligence artificielle (IA) vise à révolutionner le domaine en accélérant l’exploration de l’espace chimique couvrant des molécules potentielles, à travers une plus grande diversité de molécules, ouvrant ainsi la porte à la découverte de nouvelles classes d’antibiotiques. 

Nous recherchons un.e chercheur.se postdoctoral.e très motivé.e pour se joindre à l’initiative PandemicStop-AI menée par le labo Brun de l’Université de Montréal (UdeM). L’initiative comprend une équipe interdisciplinaire de scientifiques en apprentissage automatique (Dominique Beaini, Alex Hernandez-Garcia, Audrey Durand), de microbiologistes (Yves Brun) et de chimistes (Anne Marinier), de l’UdeM, de l’IRIC, de l’Université Laval et de Mila – Institut québécois d’IA. Ce poste, principalement basé à l’UdeM, se concentre sur le développement d’un modèle avancé de cellules bactériennes en combinant plusieurs modalités biologiques dans un pipeline d’apprentissage automatique multimodal lié à une recherche moléculaire d’apprentissage actif et à des modèles génératifs. Le poste met un accent particulier sur les antibiotiques afin d’aider à combattre la résistance aux antimicrobiens, qui est un défi mondial. 

À propos du projet 

La découverte de médicaments est un domaine essentiel pour relever les défis biomédicaux urgents et nous préparer à la prochaine pandémie. Notre équipe intègre un laboratoire automatisé avancé et des méthodes d’IA pour explorer de vastes espaces chimiques, prédire les propriétés moléculaires et comprendre leurs effets biologiques. Bien que l’objectif ultime soit de développer des méthodologies d’IA généralisables pour la découverte de molécules, cette initiative se concentre sur la construction d’un modèle précis de bactéries pouvant être utilisé pour concevoir des antibiotiques dotés de nouveaux mécanismes d’action pour lutter contre les agents pathogènes résistants aux médicaments. Cela inclut la mise en œuvre d’approches permettant d’identifier efficacement les antibiotiques dans l’espace immensément vaste et complexe des molécules potentielles.   

Nous exploitons et développons des techniques d’IA de pointe, notamment :

  • Apprentissage de représentations multimodales : L’objectif principal du poste postdoctoral est de travailler sur une représentation multimodale de la cellule qui comprend, sans toutefois s’y limiter, les modalités suivantes : images phénomiques de bactéries, données OMICS, mesures de viabilité, analyses moléculaires. cinétiques, docking 3D (AlphaFold), graphiques moléculaires et modèles de langage génétique. Ces modalités seront combinées à l’aide d’auto-encodeurs, d’apprentissage contrastif ou d’approches équivalentes.   
  • Apprentissage par renforcement : le poste est également destiné à travailler à l’intersection d’une équipe d’optimisation moléculaire qui exploitera GFlowNets pour explorer les espaces chimiques, permettant une génération de molécules efficace et diversifiée. 

Cette initiative bénéficie d’une étroite collaboration avec les chercheurs de Mila – Institut québécois d’IA à Montréal, un pôle de recherche de premier plan mondial en IA. Le.la postdoctorant.e aura l’occasion de s’impliquer dans l’environnement dynamique et collaboratif de Mila, en se connectant avec les meilleurs chercheurs et praticiens de l’IA. 

Responsabilités 

En tant que postdoctorant.e, vous : 

  • Développerez et appliquerez des techniques d’IA de pointe à des tâches telles que le co-repliement des protéines, la prédiction des propriétés des molécules, l’intégration de données multimodales et la génération moléculaire. 
  • Collaborez avec des équipes interdisciplinaires pour valider les prédictions de l’IA grâce à des tests expérimentaux et des analyses biologiques. 
  • Travaillerez avec des données d’imagerie à haut contenu, des intégrations moléculaires et des modèles prédictifs et génératifs pour créer un pipeline unifié pour la découverte de molécules. 
  • Discuterez avec les chercheurs de Mila pour échanger des idées, et bénéficierez d’un mentorat et co-développerez des méthodologies de pointe. 
  • Contribuerez à des publications à haut impact et présentez vos résultats lors de conférences de premier plan sur l’IA et la découverte de médicaments. 

Qualifications requises 

Nous recherchons une personne très motivée avec : 

  • Un doctorat en informatique, en apprentissage automatique, en biologie computationnelle ou dans un domaine connexe. 
  • Une base solide en apprentissage profond, avec une préférence pour les connaissances dans une variété de sujets, notamment la vision par ordinateur, les modèles de langage, l’apprentissage graphique ou géométrique et les modèles multimodaux. 
  • Expérience en conception et du déploiement de modèles dans PyTorch dans des environnements réels. 
  • Intérêt démontré pour l’application de l’IA à des défis biomédicaux du monde réel. 

Qualifications désirées mais non obligatoires : 

  • Expérience dans l’apprentissage des représentations moléculaires (par exemple, SMILES, graphiques moléculaires). 
  • Expérience en biologie structurale (chimie computationnelle, AlphaFold, etc.) 
  • Expérience dans la gestion de données biologiques ou chimiques de grande dimension, telles que des ensembles de données de microscopie ou d’omiques. 

Ce que nous proposons  

  • Un environnement de recherche collaboratif et innovant à l’Université de Montréal, avec accès à un cluster de calcul privé de plusieurs GPU H100.  
  • Liens étroits avec Mila – Institut québécois d’IA, donnant accès au mentorat, au réseautage et à la recherche de pointe en IA.  
  • Possibilités de contribuer à une recherche percutante à l’interface de l’IA, de la découverte de médicaments et de la biologie moléculaire.  
  • Mentorat et développement professionnel adaptés à l’évolution de carrière dans le milieu universitaire ou industriel.  
  • $60 000 $ par an.  

Comment postuler  

Envoyez les documents suivants à ML.Antibiotics@gmail.com :  

  1. Une lettre de motivation décrivant votre expérience de recherche, vos intérêts, objectifs de carrière et 1-2 publications pertinentes. 
  2. Votre CV, comprenant une liste de publications.  
  3. Coordonnées de trois références.  

Date limite de candidature : Les candidatures seront examinées sur une base continue jusqu’à ce que le poste soit pourvu.  

Date de début : Entre mai et septembre 2025.