Join AI:GENOMIX: Two PhD Positions in AI Driven Genomic Research

Aalborg University
Aalborg,
Aalborg University logo

Oversigt og nøgleindsigter

Aalborg Universitet søger to PhD-kandidater til AI:GENOMIX Lab, hvor de vil fokusere på AI-drevne genetiske forskningsprojekter med vægt på dyb læring og genetiske interaktioner.

Højdepunkter

  • To PhD-stipendier med fokus på AI og genomisk forskning.
  • Samarbejde mellem de to stipendiater for at udforske genetiske interaktioner.
  • Mulighed for at bidrage til videnskabelige publikationer og deltage i konferencer.

Påkrævede kvalifikationer

  • Mastergrad i relevant område.
  • Stærke færdigheder inden for AI, statistik eller beregningsmodeller.
  • Evne til at arbejde både selvstændigt og i teams.

Ønskværdige kvalifikationer

  • Erfaring med dybe læringsrammer og store datasæt.
  • Interesse for menneskelig genetik og biologisk fortolkning.

Den ideale kandidat

Den ideelle kandidat er en motiveret forsker med stærke analytiske evner og interesse for tværfagligt samarbejde. De skal kunne kommunikere effektivt på engelsk og være komfortable med komplekse opgaver.

Jobdetaljer

Løn efter aftale
Fuldtid
37 timer/uge
Kun kontor
Aalborg

Jobbeskrivelse

Your work tasks

The AI:GENOMIX Lab is recruiting for two closely connected PhD stipends, each with its own scientific emphasis but with substantial collaboration between them:

  • Stipend 1: AI Core – Deep learning models for genetic interactions

    This stipend focuses on developing and analysing deep learning architectures capable of capturing non-additive genetic effects in large-scale genomic data.

  • Stipend 2: AI Integrated – Genetic interaction models in a biological and clinical context

    This stipend centres on applying and interpreting genetic interaction models in relation to human biology, molecular function, and clinical phenotypes.

As a PhD student in AI:GENOMIX, your research will revolve around understanding how combinations of genetic variants shape disease risk and how AI methods can most effectively model these patterns. Both stipends involve working with simulated data, biobank-scale genomic resources, and functional annotations to explore the potential of modelling non-additive genetic effects across the genome. Your work will include preparing and curating data, developing or applying advanced modelling approaches, conducting systematic benchmarking studies, and analysing the methodological and biological implications of your findings.

You will work closely with supervisors and with the fellow PhD student in the complementary stipend, contribute to scientific publications, present your work at conferences, and participate in the interdisciplinary activities of the AI:X-Lab. As part of your doctoral training, you will complete relevant PhD courses and engage in academic and departmental activities, which may include limited teaching or supervision tasks in accordance with departmental needs and your own competencies.

Your competencies

We are looking for two highly motivated PhD candidates who are eager to contribute to an interdisciplinary research environment and who are comfortable working across the boundaries of AI, genetics, and health sciences. For both stipends, we value curiosity, the ability to work independently as well as collaboratively, and a commitment to producing high-quality research. You should enjoy engaging in discussions across disciplines and be open to learning from colleagues with backgrounds different from your own. Strong English communication skills, a willingness to contribute to a positive team atmosphere, and the ability to manage complex tasks over time are important qualities for both positions.

For Stipend 1 (AI Core), we seek a candidate with a strong methodological profile and an interest in developing new AI models for high-dimensional biological data. You should have a solid foundation in areas such as machine learning, applied mathematics, statistics, or computational modelling, and you should be comfortable working with large datasets and modern deep learning frameworks. Experience with neural network design, optimisation techniques, or scalable computing is an advantage, as is an interest in exploring how mathematical models can reveal new insights into genomic architecture.

For Stipend 2 (AI Integrated), we are looking for a candidate with a strong interest in human genetics and the biological interpretation of complex traits. You should have experience with genetic data analysis, statistical genetics, and be motivated to understand how AI-based models can be connected to biological function and clinical relevance. Familiarity with genomic data processing, phenotyping, or functional annotation is beneficial, as is an interest in bridging computational methods with biological insight.

Qualification requirements

PhD stipends are allocated to individuals who hold a master's degree. PhD stipends are normally for a period of 3 years. It is a prerequisite for allocation of the stipend that the candidate will be enrolled as a PhD student at the Doctoral School of Engineering and Science (stipend 1) or at the Doctoral School in Medicine, Biomedical Science and Technology (stipend 2) in accordance with the regulations of Ministerial Order No. 1124 of September 19, 2025 on the PhD Programme at the Universities and Certain Higher Artistic Educational Institutions. According to the Ministerial Order, the progress of the PhD student shall be assessed at regular points in time. As part of the PhD study, you are among other things required to complete PhD courses corresponding to 30 ECTS, gain experience with teaching or other forms of knowledge dissemination and complete an external research stay outside of Aalborg University, preferably 3-6 months at a foreign research institution.

How to apply

Your application must include the following:

  • Application, stating reasons for applying and qualifications in relation to the position,
  • Curriculum Vitae (CV)
  • Diplomas (bachelor’s and master's degree diploma, including grades)
  • Other relevant documents

The application must be submitted via Aalborg University’s recruitment system, which can be accessed under the job advertisement on Aalborg University's website.

Karrierevej

Typisk karriereforløb

1

Postdoc i AI og genomforskning

2

Senior forsker i bioinformatik

3

Professor i genetisk epidemiologi

Vækstpotentiale

Feltet for AI-drevet genomforskning er i hastig vækst, især med den stigende tilgængelighed af store genomiske datasæt. Forskere med kompetencer inden for AI og genetik kan forvente mange muligheder inden for både akademiske og industrielle applikationer.

Overførbare færdigheder

DataanalyseMaskinlæringTværfagligt samarbejde

Branchekontekst

AI og genomforskning er centralt i udviklingen af personaliseret medicin og forståelse af komplekse sygdomsmekanismer. Denne stilling bidrager til den voksende integration af AI-teknologier i sundhedssektoren, som er essentiel for fremtidens medicinske fremskridt.

Færdighedsanalyse

Kritiske færdigheder

Deep learning

Udvikling og analyse af dybe læringsarkitekturer til genetiske interaktioner.

Machine learning

Solid grundlag i maskinlæring til højdimentionelle biologiske data.

Vigtige færdigheder

Statistik

Anvendelse af statistiske metoder til analyse af genomiske data.

Computational modelling

Komfort med at arbejde med store datasæt og moderne modelleringsrammer.

Communication skills

Stærke engelske kommunikationsevner til at præsentere forskningsresultater.

Collaboration

Evne til at arbejde sammen i et tværfagligt forskningsmiljø.

Ønskværdige færdigheder

Neural network design

Erfaring med design og optimering af neurale netværk.

Mest kritiske færdigheder

Deep learningMachine learningStatistik

Sådan fremhæver du din erfaring

Fremhæv tidligere erfaringer med dybe læringsprojekter og maskinlæringsmodeller, specifikt inden for biologiske data. Beskriv samarbejdsprojekter og evnen til at kommunikere komplekse resultater effektivt med kolleger fra forskellige discipliner.

Interviewforberedelse

Sandsynlige spørgsmål

Hvordan har du anvendt dyb læring i dine tidligere projekter?

teknisk

Tip: Giv konkrete eksempler på dine erfaringer med dyb læring og relater det til genomisk data.

Kan du beskrive et projekt, hvor du har arbejdet med store datasæt?

erfaring

Tip: Fokuser på de teknikker, du brugte til at håndtere og analysere dataene.

Hvordan håndterer du samarbejde med kolleger fra forskellige fagområder?

kultur

Tip: Del erfaringer, hvor du har arbejdet i tværfaglige teams og hvad du lærte.

Hvilke metoder mener du er mest effektive til at modellere ikke-additive genetiske effekter?

teknisk

Tip: Diskuter specifikke metoder og understreg din forståelse af de biologiske implikationer.

Hvordan planlægger du at bidrage til den positive teamatmosfære?

kultur

Tip: Giv eksempler på, hvordan du tidligere har bidraget til et godt arbejdsmiljø.

Hvad er din tilgang til at lære nye metoder inden for AI og genetik?

erfaring

Tip: Forklar din læringsmetode og hvordan du holder dig opdateret.

Spørgsmål du kan stille

  • Hvilke specifikke projekter planlægger I for de kommende år inden for AI:GENOMIX?
  • Hvordan understøtter universitetet PhD-studerendes forskningsarbejde og udvikling?
  • Er der muligheder for samarbejde med eksterne forskningsinstitutioner eller industrier?

Tale punkter

  • Min erfaring med dyb læring og hvordan det kan anvendes i genetisk forskning.
  • Vigtigheden af tværfagligt samarbejde i komplekse forskningsprojekter.
  • Mit engagement i at producere forskning af høj kvalitet og bidrage til teamet.

Bekymringspunkter at være opmærksom på

  • Mangel på specifik erfaring med relevante teknologier og metoder.
  • Uvillighed til at samarbejde eller en ensidig tilgang til forskning.

Ansøgningsstrategi

Ansøgningstips

  • Fremhæv din erfaring med dyb læring og hvordan du har anvendt det i tidligere projekter.
  • Vis din evne til at arbejde tværfagligt ved at nævne konkrete eksempler på samarbejde mellem AI, genetik og sundhedsvidenskab.
  • Beskriv dine kommunikationsevner og hvordan du har bidraget til et positivt teammiljø.

Nøgleord at inkludere

dyb læringgenetiske interaktionertværfagligt samarbejde

Fokus i ansøgningen

Fremhæv din passion for AI og genomforskning, samt din erfaring med at udvikle modeller til komplekse datasæt. Beskriv hvordan din baggrund og kompetencer gør dig til en ideel kandidat for begge stipendier.

Tilpasning af CV

Tilpas dit CV ved at fremhæve relevante projekter og erfaringer inden for maskinlæring og dataanalyse, samt eventuelle publikationer inden for genetik. Sørg for at inkludere specifik erfaring med store datasæt og moderne dyb læring rammer.

Ofte stillede spørgsmål

Hvad indebærer stillingen?

Stillingen omfatter forskning i AI-drevne genetiske interaktioner, hvor du vil udvikle og analysere dybe læringsmodeller samt anvende genetiske interaktionsmodeller i biologiske og kliniske sammenhænge.

Hvilke kvalifikationer kræves?

Kandidater skal have en solid baggrund inden for maskinlæring, anvendt matematik eller statistik, samt erfaring med store datasæt og dybe læringsrammer. Stipend 1 kræver også interesse for udvikling af nye AI-modeller.

Hvad tilbyder virksomheden?

Aalborg Universitet tilbyder et interdisciplinært forskningsmiljø, hvor du får mulighed for at bidrage til videnskabelige publikationer, deltage i konferencer og engagere dig i akademiske aktiviteter.

Hvordan er arbejdsmiljøet?

Arbejdsmiljøet er præget af samarbejde, hvor du arbejder tæt sammen med vejledere og en medstuderende, samt deltage i aktiviteter i AI:X-Lab, der fremmer interaktion mellem forskellige fagområder.

Hvad er forventningerne?

Forventningerne inkluderer at arbejde selvstændigt og i teams, bidrage til høj kvalitet i forskningen, deltage i relevante PhD-kurser og muligvis påtage sig undervisningsopgaver i overensstemmelse med afdelingens behov.

Er der muligheder for at publicere forskning?

Ja, der forventes aktivt bidrag til videnskabelige publikationer som en del af forskningsarbejdet i begge stipendier.

Hvilke forskningsmetoder vil jeg lære?

Du vil lære avancerede modelleringsmetoder, systematiske benchmarking-studier samt hvordan man forbereder og kuraterer data i forbindelse med genetisk forskning.

Stillinger

PhD ResearcherAI ResearcherGenomic Researcher

Lignende jobs