Back to dashboard

Senior Staff Scientist-Quantitative Modeling, AI & Pharmacometrics

Job ID 4733 | Run 20260913-151612

Changed Fields

Only the job description changed.

Job Description Diff


Previous Job Description
Current Job Description
n1Job Description:n1Job Summary:
2Job Summary: Applies advanced computational, computer science, data science, statistical, and quanti
>tative modeling principles, together with domain expertise in pharmacology, drug development, and tr 
>anslational science, to perform research and technology development supporting model-informed drug d 
>evelopment (MIDD). Responsibilities include the design, development, implementation, validation, and 
> application of computational models, machine learning approaches, simulation frameworks, and quanti 
>tative decision-support tools used to advance drug regimen development and clinical translation. The 
> position integrates diverse preclinical, clinical, and real-world datasets to develop predictive mo 
>dels that support regimen optimization, dose selection, trial design, and translational decision-mak 
>ing. Research activities may include pharmacometric modeling, quantitative systems pharmacology (QSP 
>), mechanistic and Bayesian modeling, artificial intelligence and machine learning methods, statisti 
>cal analyses, and development of computational workflows and scientific software. This specialty exi 
>sts for positions whose primary responsibility is to conduct independent quantitative research and u 
>se computational and data science technologies to advance biomedical and translational research. Abo 
>ut the Role The Savic Integrated Pharmacology Laboratory at UCSF is seeking a Ph.D. level Quantitati 
>ve Scientist, Pharmacometrician, Computational Scientist, Data Scientist, or Translational Modeler t 
>o play a scientific leadership role within the PReDiCTR-TB Consortium, a global collaboration accele 
>rating next-generation tuberculosis (TB) treatment regimens. This role sits at the forefront of mode 
>l-informed drug development (MIDD), AI-enabled translational science, and quantitative decision-maki 
>ng for infectious diseases. The successful candidate will help shape quantitative strategies that di 
>rectly influence TB regimen design, dose optimization, translational prediction, and development dec 
>isions across academia, industry, and regulatory stakeholders. We are particularly interested in int 
>ellectually curious, self-directed scientists who thrive at the intersection of computational scienc 
>e, biology, engineering, pharmacology, econometrics, and real-world decision-making. This is not a t 
>raditional support role. This is an opportunity to help define how AI, quantitative modeling, and tr 
>anslational science reshape infectious disease drug development globally. What You’ll Work On You wi 
>ll contribute to high-impact translational and computational research programs that may include: Mod 
>el-informed drug development (MIDD) strategies for TB regimen optimization AI-driven drug and regime 
>n design Quantitative systems pharmacology (QSP) Translational PK/PD and mechanistic modeling Bayesi 
>an and probabilistic decision frameworks Clinical trial simulation and optimal design Toxicokinetics 
> and translational safety modeling Pharmacogenomics and precision medicine approaches Multi-scale in 
>tegration of preclinical, clinical, and real-world datasets Synthetic experiments and simulation-dri 
>ven regimen prioritization Scalable computational pipelines and scientific software development Key  
>Responsibilities Lead or contribute to quantitative modeling and simulation strategies for TB drug r 
>egimen development Build and implement computational frameworks that support translational and clini 
>cal decision-making Integrate multi-source datasets including preclinical, animal, clinical, and rea 
>l-world data Develop predictive models that improve regimen selection, dose optimization, and transl 
>ational fidelity Influence modeling strategy across a multi-institutional international consortium C 
>ommunicate complex quantitative insights to scientific, clinical, operational, and strategic stakeho 
>lders Contribute to publications, consortium deliverables, and scientific presentations Collaborate  
>across academia, industry, and regulatory environments Mentor junior scientists and help foster an i 
>nterdisciplinary quantitative research culture Who We’re Looking For We are seeking scientists who:  
>Think independently and challenge assumptions constructively Enjoy solving difficult translational a 
>nd quantitative problems Are comfortable operating across disciplines Can move between theory, compu 
>tation, biology, and decision-making Want to build impactful models rather than simply analyze datas 
>ets Are excited by the opportunity to influence real-world global health outcomes We strongly encour 
>age applicants from adjacent quantitative disciplines who are interested in expanding into pharmacom 
>etrics and translational modeling. Preferred Scientific Backgrounds Candidates may come from one or  
>more of the following fields: Pharmacometrics Computational Biology Systems Pharmacology Pharmacogen 
>omics Econometrics Biostatistics Machine Learning / AI Scientific Computing Bioinformatics Toxicokin 
>etics Applied Mathematics Physics Engineering Computer Science Decision Science Quantitative Pharmac 
>ology Important Note About Qualifications We are not looking for candidates who possess every possib 
>le technical skill listed in this description. PReDiCTR-TB is intentionally designed as an interdisc 
>iplinary consortium where impactful innovation emerges from teams with complementary expertise. We h 
>ighly value candidates with deep strength in one or several relevant domains who are excited to coll 
>aborate across disciplines and expand their quantitative toolkit. Candidates with strong expertise i 
>n the following areas are particularly encouraged to apply, even if they do not have formal training 
> across all areas of pharmacometrics: Pharmacogenomics Econometrics AI/ML-driven drug design Scienti 
>fic Python programming Toxicokinetics QSP Bayesian modeling Translational PK/PD Computational infras 
>tructure Department Overview: The Savic Integrated Pharmacology Laboratory in the Department of Bioe 
>ngineering and Therapeutic Sciences at the University of California, San Francisco (UCSF) is a globa 
>l leader in model-informed drug development (MIDD) for infectious diseases. The laboratory develops  
>and applies quantitative approaches, including pharmacometrics, quantitative systems pharmacology (Q 
>SP), machine learning, translational pharmacology, and mechanistic modeling, to accelerate the devel 
>opment of optimized treatment regimens for tuberculosis (TB), HIV, malaria, and other diseases affec 
>ting global health. The laboratory leads and coordinates the Preclinical Design and Clinical Transla 
>tion of Regimens for Tuberculosis (PReDiCTR-TB) Consortium , an international collaboration that int 
>egrates computational science, translational pharmacology, clinical data, and quantitative decision  
>science to improve the efficiency and success of TB drug development. Through the use of predictive  
>modeling, simulation, artificial intelligence, and advanced analytics, the consortium supports regim 
>en selection, dose optimization, trial design, and translational decision-making across the drug dev 
>elopment lifecycle. The Savic Lab maintains a highly collaborative and interdisciplinary research en 
>vironment that brings together pharmacometricians, computational scientists, data scientists, engine 
>ers, clinicians, and biologists to address complex challenges in infectious disease drug development 
>. The laboratory collaborates extensively with academic institutions, government agencies, nonprofit 
> organizations, and pharmaceutical and biotechnology partners worldwide to translate scientific disc 
>overies into improved patient outcomes. 
32
t4Qualifications:t3 Applies advanced computational, computer science, data science, statistical, and quantitative model
 >ing principles, together with domain expertise in pharmacology, drug development, and translational 
 >science, to perform research and technology development supporting model-informed drug development (
 >MIDD). Responsibilities include the design, development, implementation, validation, and application
 > of computational models, machine learning approaches, simulation frameworks, and quantitative decis
 >ion-support tools used to advance drug regimen development and clinical translation. The position in
 >tegrates diverse preclinical, clinical, and real-world datasets to develop predictive models that su
 >pport regimen optimization, dose selection, trial design, and translational decision-making. Researc
 >h activities may include pharmacometric modeling, quantitative systems pharmacology (QSP), mechanist
 >ic and Bayesian modeling, artificial intelligence and machine learning methods, statistical analyses
 >, and development of computational workflows and scientific software. This specialty exists for posi
 >tions whose primary responsibility is to conduct independent quantitative research and use computati
 >onal and data science technologies to advance biomedical and translational research.
5Required Qualifications - Bachelor's degree in Computer / Computational / Data Science, or Domain Sc4 
>iences with computer / computational / data specialization or equivalent experience. - Minimum 5 yea 
>rs relevant experience - Advanced knowledge of pharmacometrics, quantitative pharmacology, statistic 
>al modeling, and computational science - Demonstrated expertise in model-informed drug development ( 
>MIDD) - Experience developing mechanistic, PK/PD, Bayesian, or machine learning models - Advanced pr 
>ogramming skills in Python and/or R - Ability to integrate large-scale biological, clinical, and tra 
>nslational datasets - Demonstrated scientific leadership and independent research capability - Abili 
>ty to communicate complex quantitative concepts to scientific and non-scientific audiences - Experie 
>nce managing multiple concurrent research projects Preferred Qualifications - Master's degree in Com 
>puter / Computational / Data Science, or Domain Sciences with computer / computational / data specia 
>lization preferred. - Postdoctoral or industry experience in quantitative drug development - QSP, AI 
>/ML - Pharmacogenomics, Toxicokinetics - Clinical trial simulation, Infectious disease modeling - TB 
> experience, Regulatory interactions - Grant writing experience 
5 About the Role
6 
7 The Savic Integrated Pharmacology Laboratory at UCSF is seeking a Ph.D. level Quantitative Scientis
 >t, Pharmacometrician, Computational Scientist, Data Scientist, or Translational Modeler to play a sc
 >ientific leadership role within the PReDiCTR-TB Consortium, a global collaboration accelerating next
 >-generation tuberculosis (TB) treatment regimens. 
8 
9 This role sits at the forefront of model-informed drug development (MIDD), AI-enabled translational
 > science, and quantitative decision-making for infectious diseases. The successful candidate will he
 >lp shape quantitative strategies that directly influence TB regimen design, dose optimization, trans
 >lational prediction, and development decisions across academia, industry, and regulatory stakeholder
 >s.
10 
11 We are particularly interested in intellectually curious, self-directed scientists who thrive at th
 >e intersection of computational science, biology, engineering, pharmacology, econometrics, and real-
 >world decision-making. This is not a traditional support role. This is an opportunity to help define
 > how AI, quantitative modeling, and translational science reshape infectious disease drug developmen
 >t globally.
12 
13 What You’ll Work On
14 
15 You will contribute to high-impact translational and computational research programs that may inclu
 >de:
16 * Model-informed drug development (MIDD) strategies for TB regimen optimization 
17 * AI-driven drug and regimen design 
18 * Quantitative systems pharmacology (QSP) 
19 * Translational PK/PD and mechanistic modeling 
20 * Bayesian and probabilistic decision frameworks 
21 * Clinical trial simulation and optimal design 
22 * Toxicokinetics and translational safety modeling 
23 * Pharmacogenomics and precision medicine approaches 
24 * Multi-scale integration of preclinical, clinical, and real-world datasets 
25 * Synthetic experiments and simulation-driven regimen prioritization 
26 * Scalable computational pipelines and scientific software development
27 
28 Key Responsibilities
29 * Lead or contribute to quantitative modeling and simulation strategies for TB drug regimen develop
 >ment 
30 * Build and implement computational frameworks that support translational and clinical decision-mak
 >ing 
31 * Integrate multi-source datasets including preclinical, animal, clinical, and real-world data 
32 * Develop predictive models that improve regimen selection, dose optimization, and translational fi
 >delity 
33 * Influence modeling strategy across a multi-institutional international consortium 
34 * Communicate complex quantitative insights to scientific, clinical, operational, and strategic sta
 >keholders 
35 * Contribute to publications, consortium deliverables, and scientific presentations 
36 * Collaborate across academia, industry, and regulatory environments 
37 * Mentor junior scientists and help foster an interdisciplinary quantitative research culture
38 
39 Who We’re Looking For
40 
41 We are seeking scientists who:
42 * Think independently and challenge assumptions constructively 
43 * Enjoy solving difficult translational and quantitative problems 
44 * Are comfortable operating across disciplines 
45 * Can move between theory, computation, biology, and decision-making 
46 * Want to build impactful models rather than simply analyze datasets 
47 * Are excited by the opportunity to influence real-world global health outcomes 
48 * We strongly encourage applicants from adjacent quantitative disciplines who are interested in exp
 >anding into pharmacometrics and translational modeling.
49 
50 Preferred Scientific Backgrounds
51 
52 Candidates may come from one or more of the following fields:
53 * Pharmacometrics 
54 * Computational Biology 
55 * Systems Pharmacology 
56 * Pharmacogenomics 
57 * Econometrics 
58 * Biostatistics 
59 * Machine Learning / AI 
60 * Scientific Computing 
61 * Bioinformatics 
62 * Toxicokinetics 
63 * Applied Mathematics 
64 * Physics 
65 * Engineering 
66 * Computer Science 
67 * Decision Science 
68 * Quantitative Pharmacology
69 
70 Important Note About Qualifications
71 
72 We are not looking for candidates who possess every possible technical skill listed in this descrip
 >tion. PReDiCTR-TB is intentionally designed as an interdisciplinary consortium where impactful innov
 >ation emerges from teams with complementary expertise. We highly value candidates with deep strength
 > in one or several relevant domains who are excited to collaborate across disciplines and expand the
 >ir quantitative toolkit. 
73 
74 Candidates with strong expertise in the following areas are particularly encouraged to apply, even 
 >if they do not have formal training across all areas of pharmacometrics:
75 * Pharmacogenomics 
76 * Econometrics 
77 * AI/ML-driven drug design 
78 * Scientific Python programming 
79 * Toxicokinetics 
80 * QSP 
81 * Bayesian modeling 
82 * Translational PK/PD 
83 * Computational infrastructure 
84 
85 Department Overview:
86 
87 The Savic Integrated Pharmacology Laboratory in the Department of Bioengineering and Therapeutic Sc
 >iences at the University of California, San Francisco (UCSF) is a global leader in model-informed dr
 >ug development (MIDD) for infectious diseases. The laboratory develops and applies quantitative appr
 >oaches, including pharmacometrics, quantitative systems pharmacology (QSP), machine learning, transl
 >ational pharmacology, and mechanistic modeling, to accelerate the development of optimized treatment
 > regimens for tuberculosis (TB), HIV, malaria, and other diseases affecting global health. The labor
 >atory leads and coordinates the Preclinical Design and Clinical Translation of Regimens for Tubercul
 >osis (PReDiCTR-TB) Consortium, an international collaboration that integrates computational science,
 > translational pharmacology, clinical data, and quantitative decision science to improve the efficie
 >ncy and success of TB drug development. Through the use of predictive modeling, simulation, artifici
 >al intelligence, and advanced analytics, the consortium supports regimen selection, dose optimizatio
 >n, trial design, and translational decision-making across the drug development lifecycle. The Savic 
 >Lab maintains a highly collaborative and interdisciplinary research environment that brings together
 > pharmacometricians, computational scientists, data scientists, engineers, clinicians, and biologist
 >s to address complex challenges in infectious disease drug development. The laboratory collaborates 
 >extensively with academic institutions, government agencies, nonprofit organizations, and pharmaceut
 >ical and biotechnology partners worldwide to translate scientific discoveries into improved patient 
 >outcomes.