Promotionsstelle (all genders) in Computational Biology und Deep Learning für Spatial Omiks

Wir sind ein neu geförderter Juniorverbund (BMFTR-Fördermaßnahme „Zukunft eHealth\') aus Computational Scientists, Pathologinnen und Pathologen, sowie Nephrologinnen und Nephrologen am UKE Hamburg und an der Uniklinik RWTH Aachen, mit einem Partner an der Universitas Mercatorum in Rom. Unser Ziel ist es, mithilfe von Spatial Transkriptomik, digitaler Histopathologie und klinischen Daten die molekularen Grundlagen glomerulärer Nierenerkrankungen zu verstehen.

Die Stelle wird gemeinsam von Dr. Robin Khatri und Dr. Lucia Testa geleitet. Robin Khatri entwickelt computergestützte Methoden für Einzelzell-, Spatial Omiks und deren Anwendung auf immunvermittelte Nierenerkrankungen; aktuelle Arbeiten erschienen in Genome Biology (2024), Nucleic Acids Research (2026) und Bioinformatics (2025) sowie, gemeinsam mit klinischen Partnern, in Nature Immunology (2025), Nature Medicine (2024), Nature Communications (2024) und Cell Reports (2026). Lucia Testa arbeitet an geometrischem und topologischem Deep Learning, unter anderem an neuronalen Netzen auf simplizialen Komplexen und Zellkomplexen, mit Beiträgen in IEEE Transactions on Signal and Information Processing over Networks (2024), auf der International Joint Conference on Neural Networks (2023), in der ICML Topological Deep Learning Challenge (PMLR, 2023) und in Scientific Data (2026).

Der Verbund ist am Institut für Medizinische Systembioinformatik (Direktor: Prof. Dr. Stefan Bonn) und am Hamburg Center for Translational Immunology angesiedelt, mit Zugang zu klinischer Expertise in der Nephrologie und zum Hochleistungsrechenzentrum des Zentrums für biomedizinische KI des UKEs (bAIome). Die Doktorandin bzw. der Doktorand arbeitet in Hamburg, mit regelmäßigen gemeinsamen Treffen mit der Partnergruppe in Aachen.

Ihre Aufgaben

Sie entwickeln computergestützte und maschinelle Lernverfahren, um Spatial Omikdaten unterschiedlicher Auflösungen und Technologien zu analysieren und zu integrieren, die Gewebeorganisation zu charakterisieren. Außerdem ist ein Ziel datengetrieben, die molekulare Heterogenität von Nierenerkrankungen herzuleiten und mit klinischen Messgrößen in Beziehung zu setzen. Je nach Hintergrund und Interesse liegt der Schwerpunkt Ihres Projekts entweder auf der Integration und Analyse räumlicher Omikdaten oder auf Deep-Learning-Methoden, die die höherdimensionale Struktur von Gewebe nutzen; beide Richtungen sind im Verbund eng miteinander verknüpft. Die Methoden werden auf einer gut charakterisierten Kohorte humaner Nierenbiopsien angewendet, gemeinsam mit unseren Partnern evaluiert und als Open-Source Software veröffentlicht. Sie präsentieren Ihre Ergebnisse auf internationalen Konferenzen und publizieren in begutachteten Fachzeitschriften.

Diese Position ist mit 65 % der regelmäßigen wöchentlichen Arbeitszeit für 36 Monate befristet zu besetzen und soll zum 1. Januar 2027 (oder zum nächstmöglichen Zeitpunkt) besetzt werden.

Das bieten wir

Eine vollständig finanzierte Promotionsstelle in einem neu eingerichteten, BMFTR-geförderten Juniorverbund mit klar definiertem Forschungsprogramm und eigenen Mitteln für Reisen und Konferenzen

Arbeit an aktuellen KI-Methoden mit direkter klinischer Relevanz

Zugang zu umfangreichen multimodalen biomedizinischen Datensätzen und moderner GPU-Infrastruktur

Enge Zusammenarbeit mit Klinikerinnen und Klinikern, Biologinnen und Biologen sowie KI-Forschenden in einem stark interdisziplinären Umfeld

Möglichkeit zur Publikation in führenden internationalen