Research Scientist, Computational Enzymology

Dayhoff Labs·Cambridge, MAmid

En corto

→Simular reacciones enzimáticas desde la física básica usando QM/MM y métodos de energía libre.
→Trabajar en bucles rápidos con laboratorio físico: predecir, probar y ajustar modelos con datos experimentales.
→Destacar al conectar modelos físicos con aprendizaje automático para entender la catalización enzimática.

Fluent English required for collaboration across global teams.

Postularme en la empresa ↗Compartir por WhatsApp

✓ Gratis para empezar✓ Corre en tu navegador✓ Primer dossier sin tarjeta✓ Listo en ~1 minuto

En ~1 minuto te damos: quién te entrevista, las preguntas probables con respuestas desde tu CV, y tu CV adaptado a esta vacante. Tu primer dossier es gratis.

Las preguntas que te van a hacer

1. ¿Cómo elegirías entre algoritmos de barrier calculation (como FEP, TI, NEB) para un mecanismo enzimático complejo?

🔒 +7 preguntas más

Sin tarjeta. Subís tu CV y en ~1 minuto tenés el dossier completo.

🎧¿Llegás a la entrevista? Llevá el copiloto. Nuestra extensión escucha la entrevista en vivo y te muestra anclas de 3-4 palabras desde tu CV y tu preparación — mirás, conectás, hablás. Gratis. Ver la extensión →

💵 USD · Remote · No visa

¿No encontrás lo que buscás? Probá Micro1

Micro1 te ubica directo en empresas de EE. UU. que pagan en USD. Un solo proceso de vetting, múltiples ofertas — sin aplicar en frío.

Que Micro1 te matchee →

📬Vacantes elegidas para TU CV, cada mañana por WhatsApp. Gratis: escribí “vacantes” y el bot te manda tus matches del día. Suscribirme →

¿Qué piden?

✓Experto en modelado de reacciones enzimáticas con QM/MM y métodos de energía libre
✓Conocimiento sólido de cinética, mecanismos y dinámica activa en enzimas
✓Capacidad para elegir métodos con juicio, considerando limitaciones y costo computacional
✓Experiencia previa en ciclos de diseño-prueba-optimización con laboratorio físico
✓Familiaridad con potenciales aprendidos reactivos o integración de ML con modelos físicos
✓Capacidad para comunicar resultados a equipos interdisciplinarios

¿No cumplís todo? Es lo normal — tu dossier gratis te dice qué gaps tenés y cómo cubrirlos en la entrevista.

QM/MMFree energy methodsMolecular dynamics (MD)Reaction mechanism analysisEnzyme kineticsProtein designMachine learning potentialsComputational catalysisConformational dynamicsSimulation workflows

¿A quién escribirle en Dayhoff Labs?

Tu dossier gratis identifica a las personas que te entrevistarían — con su background, qué valoran y cómo escribirles para destacar antes de aplicar.

About us We're reverse-engineering the origin of life — one of the great unsolved problems in science, and one we think AI finally makes tractable. Understanding this transition, from geochemistry to biochemistry, is what will let us orchestrate molecular networks and build systems that are more capable, adaptive, and efficient. If we succeed, the applications are vast: catalysis, green synthesis, ab initio synthetic biology, programmable matter. Understanding and harnessing these processes could let ten billion of us thrive on this planet — and let life keep evolving beyond it. We're a small, diverse team of AI engineers, computational scientists, and bench scientists. We hold ourselves to the rigor of a research institute, but we ship like an engineering firm. Global team, HQs in Cambridge, MA and London, UK. The role You'll simulate enzyme-catalysed reactions from the physics up. Using reactive and free-energy methods you'll map how reactions proceed in the active site, compute transition states and barriers, and work out where the catalysis actually comes from: why a step has the barrier it does, which residues do the work, and how mutations move it. You'll work with the wider simulation and ML teams, but also directly with our bench scientists — seeing your predictions tested in vitro and getting experimental feedback on fast, tight loops. What you'll do Characterise mechanisms, transition states, and activation barriers in the active site, and compare computed barriers against measured kinetics Pin down the origins of catalysis — the residues, interactions, and dynamics that set rate and selectivity — and use MD to understand how active-site motion shapes the reaction Turn results into concrete, testable proposals for the wet lab, and fold the resulting data back into your models Help physics-based and learned methods strengthen each other as we build them out Essential experience . Expertise in enzymatic reaction modelling using QM/MM and a variety of free energy methods A solid grasp of enzyme catalysis: mechanism, kinetics, cofactors, and how active-site chemistry and conformational dynamics sets rate and selectivity Sound judgement about method selection, good understanding o methodological limitations and computational cost Highly preferred Experience in protein design for enzymatic optimization You've run design–test–refine cycles with a wet lab before Experience with reactive machine-learned potentials, or coupling physics-based modelling with ML Logistics Compensation is highly competitive. We're also able to sponsor visas for the right candidate.

¿Buscando algo parecido?

Dejá tu email y te avisamos cuando salgan vacantes que coincidan con tu perfil.

No apliques sin prepararte

Investigamos quién te entrevista, adaptamos tu CV y te ensayamos en vivo — gratis la primera.