发育神经科学博士生岗位

项目概览

该博士岗位隶属于 Karolinska Institutet 的 Eric Herlenius 研究组，所在单位为妇女与儿童健康系、分子医学中心；Michael Hagemann-Jensen 担任共同指导。

课题聚焦围产期心肺脑干神经网络的发育与调控，重点研究炎症以及出生相关转变如何影响呼吸发育。

研究将结合大鼠模型、单细胞转录组和空间转录组等先进分子技术，并以计算整合为核心手段。

公开信息同时说明，这是一份带薪博士学生岗位，适合具有强生物信息学与编程基础的申请者。

项目详情

该项目的科学问题并不只是描述“呼吸障碍与发育异常存在关联”，而是要进一步解释围产期阶段维持生命所必需的心肺脑干神经网络，是如何在细胞层面和分子层面逐步建立、成熟并受到扰动的。研究组长期关注脑干神经网络、炎症和炎症信号如何共同影响新生儿和儿童的呼吸调控，因此这项博士工作把发育神经科学、呼吸生理学和分子机制研究放在同一框架下展开。

课题设计明确写出将把啮齿动物模型与先进分子方法结合起来，重点方法包括 single-cell RNA sequencing，尤其是 Smart-seq3xpress，以及空间转录组平台 MERSCOPE 和 TRISCO。项目不是只做单一组学测序，而是要将单细胞与空间转录组数据一起分析、对齐和解释，因此计算分析本身就是研究流程的中心部分。公开信息明确要求学生能够处理和整合复杂的多模态数据，并运用统计方法和深度学习相关思路来构建工作流。

在研究内容上，学生需要围绕心肺脑干神经网络提出研究问题和假设，设计、实施并评估实验，分析新生成和既有的数据集，完成博士课程，并撰写科学论文。项目强调，候选人将与研究组内的博士生、博士后和其他研究人员密切合作，工作环境是高度协作且跨学科的，涉及单细胞与空间基因组学、发育神经科学以及心肺生理学等互补专长。换言之，这个岗位既要求实验理解，也要求把细胞状态、基因调控程序、组织空间背景和生理表型连起来，去寻找分子失调与功能障碍之间的机制联系。

公开说明还特别指出，该岗位尤其适合生物信息学和编程能力较强的申请者。学生需要开发并应用计算流程，处理单细胞 RNA 测序数据以及空间分辨转录组和组织成像数据，工作语言与分析工具都具有较强的计算色彩。项目也要求学生定期向专业和非专业受众展示研究结果，因此书面与口头表达都很重要。

在培养与支持方面，Karolinska Institutet 提供个体化研究项目、丰富的选修课程以及国际交流机会。公开信息强调该校在医学研究与医学教育方面具有很强实力，而该岗位所在研究组也与患者研究、动物模型和体外模型相连，能够把基础研究成果朝着生物标志物、诊断和治疗策略的方向推进。项目因此不仅是一个技术型计算生物学课题，也是一项明确面向发育机制和临床转化的博士训练。

申请要点

• 申请背景：适合生物信息学、计算生物学、分子生物学、生物医学、生物技术、神经科学或相关方向背景的申请者。

• 知识与技能：需要理解分子与细胞生物学，尤其是基因调控；具备生物和/或基因组数据分析经验；会使用 R 和 Python 等科学编程与数据分析工具。

• 研究能力：需要能系统处理复杂数据集，并能独立学习新的分析技能与方法。

• 语言要求：英语书面与口语能力需达到较高水平。

• 优先条件：单细胞 RNA 测序、空间转录组或多组学数据整合经验；Linux/Unix 环境经验；神经科学、发育生物学、心肺生理学或自主神经调控知识；分子生物学、细胞生物学、组织处理或高级显微成像经验。

• 申请材料：个人信、简历、学位论文和既往发表（如有）、以及能证明所需技能与个人特质的其他材料；同时需提交通用资格和英语专项资格证明。

• 时间与条件：全职博士学生岗位，最长 4 年；申请应通过 Varbi 系统提交，优先使用英文，也可用瑞典语；招聘完成后会通知所有申请人。

• 资助与待遇：按博士学生雇佣，领取合同薪资；KI 还提到可免费使用现代健身房，并可获得医疗费用补偿。

需要进一步确认

• 公开信息未单独列出月薪数额，只确认这是带薪博士岗位。

• 若申请人仅具备部分单细胞或空间转录组经验，是否仍可凭其他相关训练进入强竞争筛选，页面未进一步细化。

博士项目研究报告：发育神经科学方向博士生岗位

执行结论

推荐标签：有吸引力，但需要核实匹配度。 对希望攻读计算含量高的发育神经科学博士，而非纯湿实验或纯临床课题的申请者，这个机会整体信号很强。主要依据有四点：Karolinska Institutet 在医学与生命科学领域的学校信号非常突出；Eric Herlenius 团队在新生儿/围产期呼吸控制、炎症与脑干机制方面具有直接延续的研究积累；Michael Hagemann-Jensen 能补上很强的单细胞方法学支持；KI、SciLifeLab 与 CMM 共同构成了一个可信的组学密集型转化研究环境。

主要保留意见在于核实。本轮检索中，未能独立取回这一 reference 对应的官方招聘详情页。因此，截止日期、项目原文措辞、方法列表和薪资描述都应视为需要直接向 KI 或导师确认的种子事实。项目本身仍然值得认真考虑，但在据此做申请决策前，申请者应先核实薪资、平台可用性和指导结构。

学校、项目与地点信号

KI 对医学方向博士而言是非常强的机构环境。其博士教育页面说明，博士通常为四年制，包含个人学习计划、课程、论文和公开答辩；同时明确博士教育不收学费，且无论国籍，博士生在学习期间都应有资金支持（KI doctoral education）。

排名信息进一步强化了这一判断。KI 官方排名页显示，QS 2026 中 Life Sciences & Medicine 排名第 11、Medicine 排名第 10；ARWU 2025 全球第 50，并在 Public Health、Clinical Medicine 和 Human Biological Sciences 等学科表现突出（KI rankings）。独立排名来源也将 KI 列为 THE 2026 全球并列第 53、Medical and Health 第 12（THE profile），ARWU 2025 全球第 50（ShanghaiRanking），以及 QS Life Sciences & Medicine 2026 第 11（QS subject ranking）。

对这个项目而言，更关键的并不是排名本身，而是环境是否贴合课题。Department of Women's and Children's Health 说明其教育与研究直接面向全球女性和儿童健康（department page）。CMM 则定位为连接大学与医院研究者的转化研究环境（CMM）。相较于泛化的 neuroscience 系所，这样的配置更适合围绕新生儿/围产期 cardiorespiratory brainstem networks 展开的博士研究。

导师与实验室评估

导师研究方向

Eric Herlenius 与课题方向高度契合。其 KI 官方主页将其列为 Professor/Senior Physician，并介绍其研究覆盖围产期呼吸与自主控制发育、炎症相关呼吸障碍、患者数据、动物与体外模型，以及生命体征相关的深度机器学习（Herlenius profile）。Herlenius 团队页面进一步说明，该组长期研究早期 cardiorespiratory control、brainstem neural networks，以及正常和病理性呼吸，使用患者样本、动物模型和体外模型（Herlenius group）。

Michael Hagemann-Jensen 作为单细胞与空间转录组方向的共同指导，也与项目非常匹配。KI 将其列为 Cell and Molecular Biology 的 Research Specialist / Assistant Professor，并隶属于 Rickard Sandberg 的 gene-regulation group（Hagemann-Jensen profile）。他的论文记录包括 Smart-seq3、Smart-seq3xpress，以及空间/单细胞方法学相关工作，与项目描述中的计算和转录组部分高度一致。

近期重要论文

Herlenius 团队 2024 年发表于 Star Protocols 的论文给出了 neonatal mouse brainstem/preBotzinger-complex 的解剖、解离、冻存和 SmartSeq3 制备流程（Phillips et al., 2024）。这一点与拟议课题直接相关，因为课题高度依赖从体积较小的脑干结构中提取有意义的单细胞数据。

2025 年 Brain Communications 的论文将 Herlenius 列为作者之一，研究了 preterm foetal sheep 中 ventilation、LPS 暴露与脑干炎症标志物的关系（Vidinopoulos et al., 2025）。它支持这样一个生物学前提：炎症和呼吸支持可能改变脑干呼吸相关中枢。

2023 年 Acta Paediatrica 的论文利用高频新生儿生命体征和机器学习进行 sepsis detection（Honore et al., 2023）。这不是单细胞研究，但说明该组已经具备转化型计算生理研究能力。

2022 年 Frontiers in Neural Circuits 的论文表明，PGE2 会以浓度依赖方式通过 EP2/EP3 受体影响 preBotzinger-complex 的吸气节律（Reising et al., 2022）。这为“炎症信号如何影响呼吸节律回路”提供了机制背景。

在方法侧，Hagemann-Jensen 的 Smart-seq3xpress 论文介绍了一种可扩展的 miniaturized full-transcript scRNA-seq 方法（Hagemann-Jensen et al., 2022），而 Smart-seq3 则支持 allele- 和 isoform-resolution 的单细胞 RNA 计数（Hagemann-Jensen et al., 2020）。

实验室、资源与合作环境

从基础设施看，这个项目的环境配置相当强。KI 在 Solna 列出的核心设施包括 SciLifeLab/NGI Stockholm、KIGene genetic analysis and spatial biology、成像、流式、clinical genomics，以及 omics/high-throughput 相关资源（KI core facilities）。SciLifeLab 的空间组学页面也说明，其支持 sequencing-based 和 imaging-based spatial transcriptomics、Visium/VisiumHD、Xenium、in situ sequencing、spatial multiomics，以及 NBIS bioinformatics 支持（SciLifeLab Spatial Omics；SciLifeLab Spatial Transcriptomics）。

但需要注意，这些页面证明的是生态中存在相关平台，并不等于这项博士课题已经锁定具体预算和排队资源。申请者应继续确认：哪些平台已经纳入项目经费、由谁执行实验、谁负责图像与空间数据处理，以及学生是否需要从零搭建部分流程。

研究方向与领域前景

领域动向

这一领域活跃且技术门槛较高。空间分辨转录组之所以被视为重要方法，在于它能在保留空间信息的同时分析基因表达，从而把 cell type、组织结构与功能联系起来，尤其适用于发育生物学和神经生物学（Nature Methods editorial）。神经科学综述也指出，scRNA-seq 单独使用时缺少空间上下文，而 spatial transcriptomics 有助于解释脑区组织结构和疾病机制（Spatial transcriptomics in neuroscience）。2025 年的一篇综述进一步强调，brain atlases、development 和 neuroimmune dysfunction 是重要应用方向，但同时伴随明显的计算与技术挑战（PubMed review record）。

因此，如果项目能够超越描述性 profiling，其科学价值会更高。最有意思的研究目标，是把 cellular states、gene-regulatory programmes、tissue position 与 cardiorespiratory physiology 连接起来，解释它们在正常发育以及炎症或出生过渡应激条件下如何共同变化。

可能的研究切入点

较强的研究切入点可能包括：界定脑干呼吸相关核团中的 developmental cell-state trajectories；把炎症或出生过渡效应映射到特定细胞群；整合 full-transcript Smart-seq 风格数据与 spatial transcriptomics；识别与呼吸功能障碍相关的受体或 gene-regulatory programmes；以及用生理、成像或靶向分子实验验证转录组发现。

可行性很依赖样本质量和研究设计。脑干小核团的细胞产量可能偏低，空间数据成本也可能较高；如果假设和里程碑设定不够清晰，多模态整合很容易演变成一个分析负担过重、收束困难的项目。

职业与市场前景

这一技能组合具有较强的职业迁移性。OECD 的资料指出，AI 采用会提高对高阶技能和数据分析/解释能力的需求（OECD AI and skills）。OECD 关于 health occupations 的数字化与 AI 技能报告也强调了医疗相关岗位对数字和 AI 能力的增长需求（OECD digital and AI skills in health）。欧盟委员会的生物技术证据则提到 bioinformatics、AI-enabled processes 和 data governance 方面存在人才缺口（European Commission staff document）。Region Stockholm/Uppsala 的生命科学战略也将研究、创新和人才供给视为区域集群建设核心（regional strategy）。

最有价值的职业输出，通常来自可复现的单细胞/空间组学流程、统计建模、整洁代码、清晰图表，以及能被湿实验和临床合作者理解的生物学解释。

资助、申请与生活成本

资助结构整体偏积极，但金额仍需核实。项目介绍写明这是全职博士雇佣，最长四年，按月发放薪资。KI 的雇佣页面说明，博士雇佣是最常见的资助方式，博士岗位通常为全职，博士薪资受当地 collective agreement 管理，受雇博士生享有与其他员工相同的社会福利，并且在博士期间可承担最多 20% 的部门职责（KI doctoral employment）。KI 也说明，所有博士生在整个培养期内都必须落实资金支持（KI study funding）。

当前缺失的关键事实是确切薪资。申请者应进一步询问：起始税前月薪是多少、薪资如何逐级调整、税后到手大致是多少，以及是否提供搬迁或住房支持。

斯德哥尔摩生活成本需要认真纳入判断。KI 估算每月预算为 SEK 10,520-14,020，住房是最大波动项（KI living costs）。KI Housing 的示例价格大致从 SEK 4,000 多到 6,600 多/月，具体取决于房型和地点（KI Housing）。Swedish Migration Agency 的资料则给出 2026 年 doctoral-study maintenance 为 SEK 10,656/月，并列出首次博士居留许可所需的录取文件和生活保障证明（extension maintenance；first-time doctoral permit）。

申请者匹配与准备

更适合的背景

这个项目更适合同时具备 computational biology / bioinformatics 训练，以及足够分子/细胞生物学和 neuroscience 素养的申请者，以便能够解释脑干发育数据。较强的申请画像通常会体现 R/Python、Linux、transcriptomics 或 multi-omics 分析、cell-type annotation、differential expression、integration、trajectory 或 gene-regulatory analysis，以及向湿实验和临床合作者清楚传达结果的能力。

如果申请者来自 molecular biology、biomedicine、biotechnology 或 neuroscience，只要能证明真实的编程和组学能力，也有可能匹配。纯数据科学背景也并非不能申请，但前提是其能够展示生物学解释能力，并愿意深入组织、发育和生理问题。

需要谨慎的情况

对于想做主要偏临床、行为学，或几乎只做湿实验的 neuroscience PhD 的申请者，需要更谨慎。项目介绍强调的核心，其实是 computational workflows、statistical and deep-learning-based approaches、single-cell RNA-seq、spatially resolved transcriptomics，以及 imaging data integration。即便对神经科学兴趣强，如果缺少独立编码或生物数据分析经验，进入后也可能会比较吃力。

另外，不喜欢多方法反复迭代的申请者也要谨慎。这个项目很可能需要在动物/组织流程、测序质量、空间数据、计算整合和机制验证之间不断调整。

建议补强的技能与证据

有帮助的准备包括：Scanpy/Seurat 或同类单细胞流程、空间转录组分析、图像/组织配准基础、可复现的 Git/Linux/HPC 工作流、统计学、数据整合、模型验证，以及清晰的科研写作。生物学准备则应覆盖 preBotzinger complex 生理、新生儿呼吸控制、炎症信号、前列腺素、发育神经生物学和单细胞实验设计。

对于中国及其他非北欧国际申请者，KI 的资格要求尤其关键。KI 说明，一般博士资格可通过高级学位、240 ECTS 且其中 60 ECTS 为 advanced level，或等同知识满足；持国外学历的申请者需要提交学位证书和成绩单，不完整申请可能被判定为不具资格（KI entry requirements）。KI 还要求英语达到 Swedish English 6 等效，接受 IELTS、TOEFL iBT、PTE Academic 和 Cambridge 等考试，而且不接受英语要求豁免（KI English requirements）。

风险与待核实问题

高优先级问题

1. KI 或导师能否提供 reference STOD 2-3350/2026 的官方在招页面，并确认申请截止日期？
2. 起始税前月薪是多少，四年内如何递增？
3. 计算分析的日常指导由谁负责？学生与各位导师的见面频率如何？
4. 这个项目已经预算了哪些 spatial platforms，由谁执行 assays？
5. 目前已有数据集有哪些，学生还需要自行生成哪些新的 rodent、single-cell 或 spatial 数据？
6. 第一年最核心的里程碑是什么：protocol setup、pilot sequencing、既有数据重分析，还是一个明确的生物学假设？

中优先级问题

1. 学生需要承担多少湿实验和动物工作，哪些工作由实验室其他成员完成？
2. 会提供多少算力、存储、HPC 与 bioinformatics 支持？
3. 两个指导环境之间，作者署名和发表预期将如何协调？
4. 是否有 KI Housing 或其他斯德哥尔摩住宿支持？
5. 对非欧盟申请者而言，截止日前必须上传哪些资格与英语文件，后补是否完全不可行？

证据与来源

机构与项目页面

• KI doctoral education
• KI doctoral employment
• KI entry requirements
• KI English requirements
• KI rankings

导师、实验室与基础设施

• Herlenius profile
• Herlenius group
• Hagemann-Jensen profile
• CMM
• KI core facilities
• SciLifeLab Spatial Omics

论文与领域资料

• Phillips et al., 2024
• Vidinopoulos et al., 2025
• Honore et al., 2023
• Reising et al., 2022
• Hagemann-Jensen et al., 2022
• Nature Methods spatial transcriptomics editorial
• Spatial transcriptomics in neuroscience

生活成本与市场

• KI living costs
• KI Housing
• Swedish Migration Agency doctoral permit
• OECD AI and skills
• European Commission biotechnology skills evidence