<div dir="ltr"><b>Karolinska Institutet, Department of Medical Biochemistry and Biophysics, Translational Medicine and Chemical Biology
                                        </b><p><span>A
 postdoctoral position in 3D image analysis of intra-tumor heterogeneity
 is immediately available in the Crosetto lab for Quantitative Biology 
and Technology (<a href="https://bienkocrosettolabs.org/">https://bienkocrosettolabs.org/</a>)
 with the goal of studying phenotypic, genetic, and transcriptional 
intra-tumor heterogeneity by high-throughput microscopy imaging of 
serial tissue sections from different tumor types and hundreds of 
patients. The position is funded through a 33 million SEK research grant
 (Integrated Visualization of Intra-Tumor Heterogeneity) recently 
awarded to Dr. Crosetto by the Swedish Foundation for Strategic Research
 (SSF).<br><br></span><b><span>Research environment<br></span></b><span>The
 Crosetto lab is part of the Science for Life Laboratory (SciLifeLab) 
situated at the Karolinska Institute Solna campus. SciLifeLab is an 
interdisciplinary center for molecular biosciences with focus on health 
and environmental research, bringing under the same roof groups from 
four universities: Karolinska Institutet, KTH Royal Institute of 
Technology, Stockholm University and Uppsala University. The center 
features state-of-the-art technology platforms, including 
next-generation sequencing, high-throughput histology, super-resolution 
microscopy, proteomics, image analysis, and bioinformatics.<br><br></span><span>The
 successful candidate will join an interdisciplinary and dynamic team of
 international researchers, including clinicians, biologists, 
biotechnologists, engineers, computer scientists, and physicists. Our 
mission is to transform the way we understand complex biological 
phenomena and diseases such as cancer, by integrating next-generation 
sequencing technologies, single-molecule microscopy methods, and 
advanced computational tools.<br><br></span><b><span>Duties<br></span></b><span>The
 main goals of the project are to develop image-based metrics of 
phenotypic, genetic, and transcriptional intra-tumor heterogeneity in 
various cancer types and clinical samples, and to assess whether these 
metrics are predictive of clinical endpoints such as response rate and 
overall survival. <br><br></span><span>Specific tasks of the position will include:<br></span><span></span></p><ol><li><span>Develop tools for 2D and 3D automatic segmentation of DAPI-stained nuclei in z-stacked tissue section scans</span></li><li><span>Develop
 deep learning approaches (convolutional networks) to automatically 
identify different cell types (tumor cells, stroma, blood vessels, etc.)
 in the images analyzed, with particular emphasis on identifying 
different immune cell types</span></li><li><span>Apply spatial 
statistics methods to study the spatial distribution of different cell 
types, and define metrics of intra-tumor heterogeneity to be correlated 
with clinical endpoints (response rate, survival)</span></li><li><span>Use 3D image data to construct high-resolution maps of the intra-tumor vasculature and model tumor growth</span></li></ol><span>The
 successful candidate will be jointly supervised by Dr. N. Crosetto 
(supervision on the biological and medical part of the project) as well 
as by Dr. K. Smith, Director of the BioImage Informatics national 
facility at SciLifeLab Stockholm (supervision on the image analysis 
part).<br><br></span><b><span>Entry requirements<br></span></b><span>A person is eligible for a position as postdoctoral research fellow if he or she has obtained a PhD no </span><span>more than seven years before the last date of employment as postdoc.<br><br></span><span>The
 successful candidate shall hold a PhD in computer science and/or 
physics and/or mathematics and clearly demonstrated prior experience in 
image processing, machine learning, and statistical analysis (not 
necessarily for biological applications). Proficiency in various 
programming languages (C++, Python, Matlab, bash) and knowledge of 
software engineering principles (code optimization, parallel computing) 
is mandatory. Familiarity with web applications design and visualization
 experience is a plus. Prior use of Matlab and/or Python for image 
analysis and familiarity with a deep learning framework (Tensorflow, 
Caffe, Torch) is highly desirable. Candidates with demonstrated 
expertise in biostatistics are particularly encouraged to apply. A 
strong motivation to work in an interdisciplinary and collaborative 
environment, and a strong sense of mission and self-drive are 
indispensable.<br></span><br>Last application date
                            31.May.2017 11:59 PM CET<br><br>For details and application, please visit<br><a href="https://ki.mynetworkglobal.com/en/what:job/jobID:143481/where:4/">https://ki.mynetworkglobal.com/en/what:job/jobID:143481/where:4/</a></div>