Bolsa de PD em Neurociência

Post-Doctoral Fellowship in Neuroscience

• Resumo Summary

  O candidato selecionado desenvolverá um estudo para investigar padrões de atividade eletrofisiológica capazes de predizer indivíduos ou decodificar estados comportamentais relacionados à resiliência e vulnerabilidade ao estresse em ratos. O estudo também visa caracterizar as propriedades de decodificação neural de tais comportamentos utilizando métodos de aprendizado de máquina.

  Requisitos principais

  • Doutorado em neurociência ou equivalente, com tese em eletrofisiologia;

  • Habilidades comprovadas em eletrofisiologia em livre movimento;

  • Fortes habilidades de programação em pelo menos Matlab, Python ou C/C++, ou análise computacional de dados de séries temporais neurais são necessárias;

  • Um registro de publicação demonstrando experiência em modelos animais de estresse ou sintomas semelhantes à psiquiatria;

  • Um registro de publicação demonstrando experiência em análise de dados eletrofisiológicos (decomposição tempo-frequência para potencial de campo local e análise de trem de disparos);

  • Conhecimento de modelos de aprendizado de máquina para conjuntos de dados de alta dimensão (aprendizado supervisionado e não supervisionado) é um forte diferencial;

  • Proficiência em inglês e excelentes habilidades de comunicação escrita e oral;

  • Experiência com ferramentas de código aberto e conscientização científica é uma vantagem.

  Documentos para candidatura

  Favor enviar para o e-mail do pesquisador responsável (jpleite@fmrp.usp.br):

  • Currículo Lattes (preenchido on-line em lattes.cnpq.br);

  • Duas cartas de recomendação de supervisores anteriores;

  • Carta de apresentação declarando a motivação para se candidatar e as principais habilidades que correspondem ao perfil (máximo de uma página).

  A vaga está aberta a brasileiros e estrangeiros. O selecionado receberá Bolsa de Pós-Doutorado da FAPESP no valor de R$ 8.479,20 mensais e Reserva Técnica equivalente a 10% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

  The selected applicant will develop a study to investigate patterns of electrophysiological activity capable of predicting individuals or decoding behavioral states related to stress resilience and vulnerability in rats. The study also aims to characterize the properties of neural decoding of such behaviors using methods of machine learning.

  Key requirements

  • PhD in neuroscience or equivalent, with a thesis in electrophysiology;

  • Proved skills in freely moving electrophysiology;

  • Strong programming skills in at least Matlab, Python or C/C++, or, and computational analysis of neural time series data is required;

  • A publication record demonstrating experience in animal models of stress or psychiatry-like symptoms;

  • A publication record demonstrating expertise in electrophysiological data analysis (time-frequency local field potential and spike-train analysis);

  • Knowledge of machine learning models for high-dimensional data sets (supervised and unsupervised learning) is a strong plus;

  • English proficiency and excellent written and oral communication skills;

  • Experience with open-source tools and science awareness is a plus.

  How to apply

  Please send the following documents to the project's Principal Investigator at jpleite@fmrp.usp.br:

  • Curriculum Vitae; 

  • Two letters of recommendation from previous supervisors;

  • Motivation letter with a list of skills most relevant for the position (one page maximum).

  The fellow will be based in the Ribeirão Preto Medical School of the University of São Paulo (FMRP-USP) located in Ribeirão Preto, state of São Paulo, Brazil.

  This opportunity is open to candidates of any nationality. The selected candidate will receive a Post-Doctoral fellowship from the São Paulo Research Foundation (FAPESP) in the amount of R$ 8,479.20 monthly and a research contingency fund, equivalent to 10% of the annual value of the fellowship which should be spent in items directly related to the research activity.