U
Postdoc
Postdoktor inom hjärntumörers evolution och behandlingsresistens
🏛️ Uppsala University
📍 Sweden
🗓️ Posted 22 hours, 44 minutes ago
About this role
Institutionen för immunologi, genetik och patologi vid Uppsala universitet har en bred forskningsprofil med starka forskargrupper inriktade på bl. a cancer, genetiska och autoimmuna sjukdomar. En av de bärande tankarna vid institutionen är att stimulera translationell forskning och därmed främja en närmare samverkan mellan medicinsk forskning och sjukvården. Forskning bedrivs inom sex forskningsprogram: cancerprecisionsmedicin, cancerimmunterapi, genomik och neurobiologi, molekylära verktyg och funktionsgenomik, neuroonkologi och neurodegeneration samt vaskulärbiologi. Delar av verksamheten är även integrerad med avdelningarna för onkologi, klinisk genetik, klinisk immunologi, klinisk patologi och sjukhusfysik vid Akademiska sjukhuset. Institutionen har undervisningsuppdrag på ett antal programutbildningar, fristående kurser och internationella masterprogram inom den medicinska fakulteten. Institutionen omsätter omkring 550 miljoner kronor, varav ca två tredjedelar är externa forskningsbidrag. Antalet anställda är ca 400, varav ca 100 är doktorander, och det finns totalt över 850 verksamma i arbetsstyrkan. Läs gärna mer om institutionens verksamhet här: www.uu.se/medarbetare/institution/immunologi-genetik-och-patologi
Arbetsbeskrivning
Vi söker en postdoktor till Veronica Rendos forskargrupp vid institutionen för immunologi, genetik och patologi, Uppsala universitet. Vi söker en mycket motiverad kandidat med intresse för diffust medellinjegliom (DMG), en malign hjärntumör hos barn, som vill leda projekt som belyser mekanismerna bakom respons och resistens mot standardbehandling och kliniskt relevanta målriktade terapier vid denna sjukdom. Läs mer om forskargruppen här: http://rendolab.org/
Postdoktorn kommer att ingå i och leda en del av det ERC-finansierade projektet RESET-DMG, som syftar till att kartlägga hur DMG-celler utvecklar resistens mot strålning och åtta målriktade terapier. För detta ändamål kommer postdoktorn att etablera streckkodsmärkta patientderiverade modeller och följa dem med single-cell multiome-teknik för att fastställa mekanismerna bakom resistens och evolution, inklusive de transkriptionella och epigenetiska egenskaper som kännetecknar resistenta celler. I tjänsten ingår att arbeta i en mycket samarbetsinriktad miljö och att presentera projektets resultat vid vetenskapliga möten och konferenser.
Arbetsuppgifter inkluderar:
- Streckkodsmärka patientderiverade DMG-neurosfärsmodeller och inducera resistens mot strålning och kliniskt relevanta småmolekylära hämmare
- Analysera streckkodsdynamik för att skilja medfödd från förvärvad resistens över olika terapier
- Generera, bearbeta och integrera single-cell RNA- och ATAC-data för att identifiera transkriptionella program och kromatinegenskaper kopplade till resistens
- Ta en ledande roll i studiedesign, manusskrivande, konferenspresentationer och handledning av studenter
Kvalifikationskrav
- Doktorsexamen i cancerbiologi, molekylärbiologi, genetik, neurovetenskap eller ett närliggande område eller en utländsk examen som bedöms motsvara doktorsexamen i detsamma. Examen ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. Främst bör den komma ifråga som har avlagt examen för högst tre år sedan. Vid beräkning av ramtiden om tre år är utgångspunkten sista ansökningsdag. Om det finns särskilda skäl kan sådan examen ha avlagts tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, etc.
- Gedigen experimentell expertis inom ovanstående områden, styrkt genom originalarbeten publicerade i vetenskapliga tidskrifter med peer review.
- Praktisk erfarenhet av cellodling av däggdjursceller, inklusive lentiviral transduktion samt patientderiverade eller stamcellsliknande modeller.
- Dokumenterad erfarenhet av analys av single-cell- och/eller epigenomikdata (scRNA-seq, scATAC-seq, multiome) i R och/eller Python, inklusive kvalitetskontroll, integration och tolkning.
- Förmåga att utforma experiment, felsöka och kritiskt tolka resultat.
- Dokumenterad spridning av forskning (publikationer, konferenser), goda kunskaper i engelska och förmåga att arbeta i en tvärvetenskaplig miljö.
- Tidigare handledningserfarenhet samt belägg för samarbetsförmåga.
Meriterande
- Erfarenhet av cellulär streckkodsmärkning, linjespårning (lineage tracing) och/eller förberedelse av NGS-bibliotek.
- Erfarenhet av CRISPR-screenar eller funktionell genomik.
- Erfarenhet av modeller för hjärntumörer, barncancer eller gliom, läkemedelsresistens eller tumörevolution.
- Kunskap om kromatinbiologi och reglering via transkriptionsfaktorer.
- Praktisk erfarenhet av djurförsök inom cancerforskning, särskilt hjärntumörer.
- En tvärvetenskaplig bakgrund (både laborativ och beräkningsmässig erfarenhet) bedöms vara en stor merit för tjänsten.
Ansökan ska innehålla CV, personligt brev, doktorsbevis, publikationsförteckning och kontaktuppgifter till tre referenser.
Om anställningen
Anställningen är tidsbegränsad i 2 år enligt centralt kollektivavtal med möjlighet till 1 års förlängning. Omfattningen är heltid. Tillträde enligt överenskommelse. Placeringsort: Uppsala
Upplysningar om anställningen lämnas av: Verónica Rendo, [email protected]
Välkommen med din ansökan senast den 4 december 2026, UFV-PA 2026/3377
Details
Organization
Uppsala University
Location
Sweden
Position type
Postdoc
Posted
November 4, 2026
Last seen on the employer's board
November 5, 2026
Source
Varbi/uu
Similar Postdoc positions
Postdoctoral Image Analyst - Tooting
City St George's, University of London (Tooting) · London, Tooting, Hybrid
Postdoctoral Research Associate – Grade 7
University of Liverpool · Liverpool
Research Fellow - Bioinformatics and Data Sciences
University of Surrey · Guildford
Clinical Research Fellow in Acute Takotsubo Cardiomyopathy
University of Aberdeen · Aberdeen
Postdoctoral Research Associate
Royal Holloway, University of London · Egham
Postdoctoral Research Assistant in Machine Learning and Multimodal Clinical AI
University of Oxford · Oxford