Chair of Excellence in Artificial Intelligence for Drug Discovery Project: MOSAIC-Health ‒ Multimodal and Explainable Artificial Intelligence for Drug Discovery and Digital Health Education

Organisation/Company: Université de Caen Normandie

Research Field: Pharmacological sciences

Researcher Profile: Established Researcher (R3)

Positions: Other Positions

Application Deadline: 31 Mar 2027 - 23:59 (UTC)

Country: France

Type of Contract: Temporary

Job Status: Full-time

Offer Starting Date: 1 Oct 2027

Is the job funded through the EU Research Framework Programme? Not funded by a EU programme

Is the Job related to staff position within a Research Infrastructure? No

Offer Description

Université de Caen Normandie is seeking an internationally recognized scientist to lead the MOSAIC-Health Chair of Excellence at CERMN. CERMN is a research unit dedicated to drug discovery and the characterization of biologically active compounds. Its Chemoinformatics and Biostructural Group develops computational approaches for the analysis of chemical and pharmacological data, ligand–target relationships, structure–activity relationships, pharmacophore modeling, and molecular design.

MOSAIC-Health will strengthen this activity through the development and application of modern artificial intelligence methods for drug discovery. The project will build on existing collaborations with GREYC (UMR CNRS 6072), the computer science laboratory of Université de Caen Normandie, particularly in machine learning and graph-based approaches. Depending on the scientific questions addressed, the Chair may also interact with local expertise and technological platforms in bioinformatics, metabolomics, proteomics, transcriptomics, and multi-omics.

Scientific objectives of the Chair

The Chairholder will develop an internationally visible research program in AI-assisted drug discovery at the interface of chemoinformatics, molecular modeling, machine learning, and experimental pharmaceutical research. Chemical structure will remain the primary point of entry. Depending on the application, molecular representations may be combined with protein, interaction, pharmacological, phenotypic, or omics information when these additional data provide a demonstrable scientific benefit.

Particular attention will be given to the reliability of AI methods. Predictive performance will therefore be considered together with data quality, uncertainty, applicability domains, interpretability, reproducibility, and appropriate comparison with baseline methods. Predictive modeling will constitute a major component of the research program. Advanced molecular representations, graph-based learning, multimodal approaches, and generative methods may also be investigated when they address clearly defined drug-discovery questions and can be evaluated under relevant chemical and biological constraints.

A central feature of MOSAIC-Health will be the connection between computational modeling and experimentation. Computational results will be used to prioritize compounds, explore chemical space, identify molecular series of interest, and formulate experimentally testable hypotheses. Selected compounds may subsequently be purchased or synthesized and subjected to biological evaluation. Promising results may lead to medicinal chemistry studies aimed at characterizing structure–activity relationships and optimizing selected molecular series.

Main responsibilities

• Le développement et l'évaluation d'approches avancées en IA et apprentissage automatique pour les données moléculaires et pharmaceutiques.
• La direction des composantes méthodologiques et de découverte de médicaments du programme MOSAIC-Health.
• L'identification et le développement d'études de cas de recherche conjointement avec les chimistes de CERMN.
• Établir des stratégies rigoureuses pour la préparation des données, l'évaluation des modèles, l'évaluation de l'incertitude, l'interprétabilité et la reproductibilité.
• Superviser et coordonner les activités scientifiques d'un candidat au doctorat et d'un ingénieur de recherche recruté dans le cadre du projet.
• Renforcer les interactions scientifiques entre CERMN et GREYC et développer des collaborations avec d'autres partenaires académiques, cliniques et industriels.
• Contribuer à des publications évaluées par des pairs, des réunions scientifiques internationales et à la diffusion des résultats de recherche.
• Développer des propositions de recherche collaborative nationales et internationales et contribuer à sécuriser un financement ultérieur.
• Contribuer au développement à long terme de la découverte de médicaments assistée par IA à CERMN au-delà de la période de financement initiale de la Chaire.

Education and training

Le titulaire de la Chaire contribuera également à l'éducation avancée en conception de médicaments assistée par IA et recherche pharmaceutique à l'Université de Caen Normandie. Les activités d'enseignement peuvent aborder des sujets tels que la chimoinformatique, les représentations moléculaires, l'apprentissage automatique pour les données moléculaires, la modélisation prédictive, la priorisation des composés, la fiabilité des modèles et l'interprétation critique des résultats computationnels.

Ces activités compléteront l'éducation plus large en santé numérique développée à travers le programme SATIN et relieront la recherche menée dans MOSAIC-Health avec des programmes pertinents en sciences pharmaceutiques et en informatique, y compris les programmes de Master en Conception de Médicaments et en Intelligence Artificielle, Science des Données et Santé. Le titulaire de la Chaire pourra également superviser des projets de Master et des stages de recherche et contribuer à la formation doctorale.

Research environment and resources

Le titulaire de la Chaire rejoindra CERMN à l'Université de Caen Normandie et aura accès à l'expertise du laboratoire en chimoinformatique, chimie médicinale, conception moléculaire, pharmacologie, ressources de données chimiques et pharmacologiques, bibliothèque de composés et capacités expérimentales.

Le projet MOSAIC-Health fournira un environnement de recherche dédié comprenant :

• un candidat au doctorat recruté pour 36 mois;
• un ingénieur de recherche recruté pour 36 mois;
• une station de travail informatique équipée de GPU et des ressources de stockage de données;
• accès à des logiciels de modélisation moléculaire et de chimoinformatique;
• ressources pour l'acquisition et l'évaluation expérimentale des composés prioritaires;
• ressources pour des activités de chimie médicinale ciblée et de hit-to-lead;
• accès, lorsque cela est scientifiquement pertinent, à une expertise complémentaire en apprentissage automatique, bioinformatique et omiques au sein de l'Université de Caen Normandie.

Le titulaire de la Chaire bénéficiera d'interactions établies avec GREYC et de l'environnement scientifique plus large du campus des sciences de la santé de Caen.

Expected contribution to the host institution

Au-delà des résultats scientifiques obtenus pendant le projet de 42 mois, le titulaire de la Chaire est censé aider à établir une activité durable en découverte de médicaments assistée par IA à CERMN. Le poste est donc destiné à un scientifique désireux de s'impliquer fortement dans la vie scientifique du laboratoire d'accueil, de développer des collaborations au sein et au-delà de l'Université de Caen Normandie, de contribuer à la formation avancée et de participer à la construction de propositions de recherche compétitives nationales et internationales.

Requirements

Field de recherche : Sciences pharmacologiques

Niveau d'éducation : PhD ou équivalent

Skills/Qualifications

PhD ou équivalent en Intelligence Artificielle pour la Santé, Chimoinformatique, Découverte de Médicaments Assistée par IA. Les candidats doivent être des scientifiques seniors avec un excellent dossier de recherche international, ou des chercheurs ayant démontré un potentiel pour atteindre une position internationale de premier plan dans le domaine.

Les candidats doivent détenir un PhD ou un diplôme doctoral équivalent dans un domaine pertinent pour la Chaire, tel que la chimoinformatique, la chimie computationnelle, la modélisation moléculaire, l'intelligence artificielle, l'apprentissage automatique, l'informatique, la biologie computationnelle, ou une discipline étroitement liée.

Un candidat solide est censé démontrer :

• un dossier de publication visible à l'international en découverte de médicaments assistée par IA, chimoinformatique, modélisation moléculaire, ou un domaine étroitement lié ;
• une forte expertise en apprentissage automatique appliqué aux données moléculaires, chimiques, pharmacologiques ou biologiques ;
• une expérience dans le développement et l'évaluation critique de modèles computationnels prédictifs ;
• une bonne compréhension des questions de recherche moléculaires et pharmaceutiques ;
• une expérience de travail dans des environnements interdisciplinaires impliquant des scientifiques computationnels et expérimentaux ;
• la capacité de diriger des projets de recherche et de superviser des chercheurs en début de carrière ;
• une expérience dans le développement de collaborations scientifiques nationales ou internationales ;
• la capacité de communiquer et d'enseigner des concepts scientifiques avancés à des étudiants de différents horizons disciplinaires ;
• la capacité de travailler efficacement dans un environnement de recherche international.

Une expertise supplémentaire en apprentissage basé sur des graphes ou multimodal, conception moléculaire générative, IA explicable, modélisation moléculaire, ou l'intégration de données chimiques et biologiques serait un atout. Les candidats ne sont pas censés couvrir tous ces domaines. L'excellence scientifique, la pertinence pour la découverte de médicaments et la complémentarité avec l'expertise existante à CERMN seront les principales considérations.

Specific Requirements

L'excellence scientifique, la pertinence pour la découverte de médicaments et la complémentarité avec l'expertise existante à CERMN seront les principales considérations. Les candidats doivent avoir un profil scientifique reconnu à l'international ou démontrer un fort potentiel pour le leadership scientifique international.

Languages

Anglais : Excellent

Additional Information

Eligibility criteria

La candidature est destinée aux chercheurs seniors répondant aux critères d'éligibilité du programme de Chaire d'Excellence de la Région Normandie, y compris les chercheurs actuellement basés en dehors de la Normandie. Les candidats doivent avoir un profil scientifique reconnu à l'international ou démontrer un fort potentiel pour le leadership scientifique international.

Selection process

Les candidatures doivent être soumises en anglais et doivent inclure :

• un curriculum vitae détaillé ;
• une liste complète des publications ;
• une sélection de jusqu'à cinq publications considérées comme les plus représentatives de la contribution du candidat au domaine ;
• une déclaration de recherche décrivant les réalisations scientifiques du candidat et comment son expertise pourrait contribuer aux objectifs de MOSAIC-Health ;
• une brève déclaration décrivant les développements proposés pour la Chaire, y compris les directions de recherche potentielles et leur intégration dans l'environnement de CERMN.

Employment conditions

La Chaire est prévue pour une période de 42 mois. Les conditions d'emploi finales seront établies par l'Université de Caen Normandie conformément au cadre administratif et réglementaire applicable.