英国剑桥大学英国癌症研究院剑桥研究所招收全奖博士

英国剑桥大学英国癌症研究院剑桥研究所招收全奖博士

博士研究生职位：用于癌症中染色体不稳定性早期检测与解析的计算工具开发及应用

关于项目

项目编号：SW47203

导师：Florian Markowetz教授

院系/地点：英国癌症研究院剑桥研究所

申请截止日期：2025年10月17日

课程开始日期：2026年10月1日

项目概述

Florian Markowetz教授希望招募一名学生参与项目“用于癌症中染色体不稳定性早期检测与解析的计算工具开发及应用”。

如需了解该研究小组的更多信息，包括其最新出版物，请访问Markowetz小组网站：https://www.cruk.cam.ac.uk/research-groups/markowetz-group/

这是一个在领先的英国癌症研究院剑桥研究所（CRUK CI）攻读博士学位的独特机会，您将在致力于培养未来杰出癌症研究科学家的环境中开启科研生涯。

该研究所的专长领域包括基因组学、计算生物学和成像技术；目前，研究所正投入大量研究力量，针对乳腺癌、胰腺癌、脑癌和结肠癌等癌症开展研究。我们现致力于拓展人工智能的应用，以提出新的研究假设，并进一步探索癌症生物学的其他领域。我们的核心设施为研究人员提供最先进的设备、内部专业知识和培训。CRUK CI的科学家致力于了解癌症的基本生物学原理，并将这些发现应用于临床，造福患者。

剑桥研究所现有约100名研究生，他们在研究所的持续成功中发挥着至关重要的作用。我们致力于提供一个包容和支持性的工作环境，以培养求知欲和追求科学卓越。

如需了解更多关于我们开创性科学研究的信息，请访问我们的网站：https://www.cruk.cam.ac.uk/

项目详情

染色体不稳定性（CIN）是癌症的一个标志性特征，在包括乳腺癌、卵巢癌和食管癌在内的多种癌症中普遍存在。CIN常与预后不良、肿瘤异质性高及治疗抵抗相关。因此，我们既需要更早地检测出具有CIN的癌症，也需要了解驱动CIN的机制。

本项目旨在基于小组之前的研究工作，开发计算方法来检测和解析与CIN相关的突变过程[1]，利用单细胞DNA测序技术了解CIN异质性[2]，以及开发和实施机器学习和人工智能模型来处理成像数据[3]。学生将负责开发用于早期检测CIN癌症的新模型，应用前沿计算方法和机器学习技术来提高CIN癌症的检测和理解水平，并致力于构建提高患者生存率和改善治疗结果的模型。

重要的是，本项目旨在让申请人根据自身兴趣，专注于癌症基因组学方法或成像早期检测方法的研究，并有机会根据候选人的偏好，开展结合这两个研究领域的跨学科研究。

所需技能/知识

我们正在寻找一位积极性高、独立自主且具备强大分析能力的候选人。该候选人应具有强烈的愿望，开发新型计算方法和机器学习/人工智能工具，以解决癌症早期检测和染色体不稳定性相关的难题。具有计算生物学、数学或计算机科学背景者优先，但我们也欢迎具有相关生物学学位且具备足够计算背景的申请者。

申请资格

我们欢迎英国及海外学生申请。

欢迎近期毕业或即将毕业的本科生申请，申请者应持有或有望获得全球任何认可大学相关专业的一等/二等一级学位（或同等学历）。

强烈鼓励具有相关研究经验的申请者申请，包括攻读硕士学位期间或在实验室工作期间获得的研究经验。

申请方式

请通过大学申请者门户网站申请。如需了解有关课程的更多信息并访问申请者门户网站，请访问：

https://www.postgraduate.study.cam.ac.uk/courses/directory/cvcrpdmsc

您应选择于2026年10月开始学习。

补充信息

要完成在线申请，您需要回答/提供以下信息：

项目和导师选择

请确保在指定位置注明项目名称（含编号）和导师姓名。您最多可申请三个项目。

课程特定问题

您将被要求详细说明您的研究经历（最多2500个字符）。

您的兴趣陈述（最多2500个字符）应解释您为何希望获得该研究生职位，以及您将为该职位带来哪些品质和经验。

支持文件

申请者将被要求提供：

学术成绩单

英语能力证明（如适用）

两位学术推荐人的详细信息

个人简历

截止日期

申请截止日期为2025年10月17日，预计面试将于2026年1月5日开始的一周内进行。

资助说明

该四年制研究生职位由英国癌症研究院剑桥研究所资助，包括全额支付大学学费和提供为期四年、起始金额为22,500英镑的与指数挂钩的生活津贴。

参考文献

[1] A pan-cancer compendium of chromosomal instability http://doi.org/10.1038/s41586-022-04789-9 [2] scAbsolute: measuring single-cell ploidy and replication status http://doi.org/10.1101/2022.11.14.516440 [3] Triage-driven diagnosis for early detection of esophageal cancer using deep learning http://doi.org/10.1101/2020.07.16.20154732