← Toutes les offres
B

データエンジニア Biology Machine-Learning / 年休128日・リモート可(週1日出社)・早稲田駅から徒歩2分

bitBiome株式会社

東京都
CDI
Recherche & Académique
Publié le 16 novembre 2026

Description du poste

募集の背景、プロジェクトの説明 <概要> 2018年創業の早稲田大学発スタートアップ。2022年に大学発ベンチャー表彰 経済産業大臣賞を受賞、2023年にはXTC Japanにて優勝。さらに、2023年に米国法人を設置、2024年には英国進出するなど海外展開を本格化。2025年には日本企業として3社目、バイオテック企業としては史上初めて米国IQT(In-Q-Tel)から出資を受け、同年日本のバイオテック企業として唯一「Forbes Asia 100 to Watch」にも選出されるなど、国内外から高い評価を得ています。 地球上のほとんどの微生物は、いまだゲノム解読(シーケンシング)されていません。早稲田大学発のスタートアップであるbitBiomeは、機械学習、ゲノミクス、そしてウェットラボ(実験施設)を一つ屋根の下に集結させ、この未知の微生物の多様性から持続可能な製品を生み出しています。 <主なサービス> 1.微生物のゲノム解析を細胞1個単位で網羅的に実行する新技術「bit-MAP」 2.この技術により構築した世界最大級の微生物遺伝子データベース「bit-GEM」 3. 最先端の酵素工学・独自の微生物ゲノム改変技術、さらにバイオプロセス開発、量産可能な生産力を統合した「bit-QED」 4. 大規模に拡張可能な「設計・構築・試験・学習(DBTL)」サイクルによってこのループを完結させ、ウェットラボでの実験結果が次の設計精度をさらに高めていく仕組みを実現する「bit-EVO」 直近では、NEDO「バイオものづくり革命推進事業」に採択され、バイオものづくりの研究開発を加速。拠点を東京都新宿区の早稲田大学内に構え、多様なバックグラウンドを持つメンバーが参画し、博士号取得者を含む専門性の高いチームで事業を推進しています。 <受賞歴> 2024年3月 Global Hypergrowth Tokyo プログラム2024 2023年11月 NEDO ディープテック・スタートアップ支援事業採択 2023年4月 XTC Japan 2023 優勝 2023年3月 NEDO グリーンイノベーション基金採択 2022年9月 大学発ベンチャー表彰2022 経済産業大臣賞 2021年8月 NEDO TRY採択 https://bitbiome.co.jp 仕事内容・職務内容 【ミッション】 当社の機械学習モデルを支える「データ層」の全体設計・運用を担っていただきます。 ゲノム側では、天然株やエンジニアリングされた変異株全体の遺伝子型(ジェノタイプ)変化を追跡し、ラボ側では、bit-EVOのDBTLサイクルから生み出されるウェットラボデータ(シーケンスリード、プレートアッセイ、オミクスデータなど)をモデル学習に適したラベルへと変換します。 配属先は、研究者と計算科学者(コンピュテーショナルサイエンティスト)で構成される少人数で意思決定の早いチームです。あなたが構築するデータ基盤とワークフローこそが、当社のAIモデルが学習するための源泉となります。 【具体的な仕事内容】 ①データパイプラインの構築 ■株間やエンジニアリングされた変異株における遺伝子型の差異(SNP、インデル、遺伝子挿入/欠失、プラスミド構成など)を追跡し、各表現型(フェノタイプ)がそれを生み出した正確な遺伝子型と紐づく状態を維持する。 ■社内アッセイから得られる表現型ラベル(目的物質の生産量・力価、酵素活性、増殖速度など)を収集・キュレーションする。 ■オミクスラベル(トランスクリプトミクス、メタボロミクス)を一貫した処理、メタデータ管理、品質チェックのもとで収集・キュレーションし、ゲノムデータと紐づける。 ■DNA、タンパク質、全ゲノムタスクに関する社内ベンチマークスイートを拡張する。 ②ラボ研究員との協働 ■ラボ研究員と連携し、サンプル、菌株、プレート、アッセイ結果の命名規則・記録方法・紐づけルールを定義し、あらゆるデータポイントが元の実験まで完全に追跡(トレーサビリティを確保)できるようにする。 ■ウェットラボ実験用のメタデータ標準規格およびデータテンプレートを設計し、ラボでのLIMS(ラボ情報管理システム)への定着を支援する。 ■研究員がエンジニアの手を借りずに自らデータをアップロード・検証・探索できるシンプルなツールを開発する。 ③インフラストラクチャとデータ品質の担保 ■LIMSとデータプラットフォーム間の連携を担い、サンプル、プレート、菌株、アッセイ結果がラボから学習データへとエンドツーエンドでID追跡された状態で流れる基盤を構築・維持する。 ■バージョン管理されたインプット、固定されたツール環境(Pinned Tools)、データカード、生ファイルから学習用データセットまでのリネージ(来歴管理)を通じて、すべてのデータセットの再現性を担保する。 ■クラウド上のGPU/CPUクラスターにおいて、最適化されたワークロードを実行・運用する。 【レポートライン】Principal AI Scientist (US CA州在住) ※レポートラインのUSチームとは英語 / 日本のチームメンバーとは日本語を使ってのコミュニケーションになります 配属部署 既設部署 研究開発部(R&D) Computational Biology 職種 技術系スタッフ(民間企業) 研究分野 ものづくり技術 - バイオ機能応用、バイオプロセス工学 ものづくり技術 - 触媒プロセス、資源化学プロセス