POSTE : Computational Biologist - Dynamic Systems Modeling H/F DESCRIPTION : Nous sommes un groupe pharmaceutique à dimension humaine, international et indépendant, gouverné par une Fondation. Notre modèle, singulier, fait notre fierté mais, surtout, nous permet de servir pleinement notre vocation : « engagés pour le progrès thérapeutique au bénéfice des patients ». Aujourd'hui leader mondial en cardiologie, nous avons choisi de devenir un acteur focalisé et innovant en oncologie d'ici 2030, en ciblant des cancers difficiles à traiter et en y consacrant plus de 70 % de notre budget R&D. Un défi que nous poursuivons en parallèle du développement de notre activité générique pour un accès à des soins de qualité pour tous, et à moindre coût. Nous ? 21 900 passionnés de plus de 50 nationalités, portés par un esprit d'entreprenariat. Chaque jour nous avançons avec et pour les patients, avec et pour nos équipes, portés par l'envie de prendre soin, d'oser, de nous développer, de nous engager pour être utiles à celles et ceux qui en ont besoin. Venez vivre et contribuez à faire vivre notre engagement #MovedByYou https://servier.com/groupe/ Role Description We are seeking a System Biologist to join our Data Sciences & Data Management team, focusing on the dynamic modeling of biological systems. The ideal candidate will apply their expertise in mathematical modeling and computational biology to drive insights into biological processes. This role will work at the intersection of biology, mathematics, and data science, contributing to innovative drug discovery and development pipelines. The associated activities will BE carried out in collaboration with a multidisciplinary team including therapeutic project managers, biologists, chemists, computational chemists, bioinformaticians and data engineers. Background PhD in Computational Biology, Computational Physics, Bioinformatics, Computational Biophysics or Computational Mathematics applied to Biology, or a related field. Required Qualifications Mathematical & Modeling Expertise : - Solid foundation in ODE modeling, parameter inference, and statistical validation. - Experience with stochastic and mechanistic modeling frameworks. - Very strong skills in Python (including PySB, NumPy, SciPy, PyTorch/TensorFlow, Pandas, Matplotlib). - Strong knowledge of differential equations systems applied to biology, chemistry or pharmacokinetics/pharmacodynamics. - Understanding molecular biology, biochemistry, or pharmacology. - Familiarity with high-throughput experimental data (e.g., transcriptomics, proteomics). - Good knowledge of biological databases (examples : Chembl, Encode, GEO). - Good knowledge of data analysis and machine learning techniques (using Python and Scikit Learn for clustering, dimensionality reduction, data preprocessing and statistics). - Hands-on expertise in Physics-Informed Neural Networks (PINNs) and integration with experimental datasets is a strong plus. Preferred Skills - Experience with machine learning and AI techniques applied to biological data. - Experience with knowledge graphs & graph theory. - Knowledge of pharmacokinetics/pharmacodynamics (PK/PD) modeling. - Familiarity with cloud computing platforms and tools for scalable data analysis. - Hands-on experience with bioinformatics tools and databases. Soft skills - Demonstrated ability to work collaboratively in multidisciplinary teams and communicate complex scientific concepts effectively. - Strong ability to work in a team is mandatory - Pragmatic and result oriented - Ability to work on multiple projects in parallel respecting deadlines - Strong independence, strong organization skills - Innovative and curious mind Language English fluent Nous sommes engagés pour l'égalité des chances et le développement des talents dans toute leur diversité. Nous accordons autant de valeur à l'expérience qu'à l'envie de s'engager au quotidien pour être utile au progrès thérapeutique au bénéfice des patients. Si vous vous reconnaissez dans cette offre et ces quelques lignes, saisissez cette opportunité de nous rencontrer. PROFIL :