汉堡大学医学中心空间组学与深度学习计算生物学博士

项目概览

德国汉堡—埃彭多夫大学医学中心招聘一名计算生物学与空间组学深度学习方向博士生。研究由 Dr. Robin Khatri 和 Dr. Lucia Testa 共同牵头，属于德国联邦研究资助的“Zukunft eHealth”青年联盟，汇集计算科学、病理学和肾脏病学团队。目标是联合空间转录组、数字病理切片和临床数据，理解肾小球疾病的分子异质性。岗位为期36个月、按正常周工时的65%聘用，公告截止日为2026年10月6日，拟于2027年1月1日或最早可行时间开始。

项目详情

博士生将开发计算和机器学习方法，整合不同分辨率、不同技术产生的空间转录组数据，描述组织结构，并把数据驱动发现的肾脏疾病分子差异与临床指标联系起来。依据申请人的背景和兴趣，选题可更偏向空间组学数据整合与分析，也可更偏向利用组织高阶结构的几何或拓扑深度学习；两个方向紧密相关，并非彼此隔绝。方法计划以开源软件发布，应用于已经充分表征的人类肾脏活检队列，并与合作团队共同评估，成果预计在国际会议和同行评议期刊发表。

研究联盟设在 UKE 医学系统生物信息学研究所，由 Stefan Bonn 教授担任研究所主任，并与汉堡转化免疫学中心协作。研究地点在汉堡，定期与亚琛大学医院合作组联合开会，另有罗马 Universitas Mercatorum 的伙伴。项目可接触肾脏病临床专家、病理学家和人工智能研究人员，使用大规模多模态生物医学数据及 bAIome 高性能计算设施，公告也列有差旅和会议资源及结构化博士培养。

Khatri 博士研究单细胞与空间组学计算方法及免疫介导的肾病；公告列举其本人或合作论文发表于 Genome Biology（2024）、Nucleic Acids Research（2026）、Bioinformatics（2025）、Nature Immunology（2025）、Nature Medicine（2024）、Nature Communications（2024）和 Cell Reports（2026）。Testa 博士研究几何与拓扑深度学习，包括单纯复形和胞腔复形上的神经网络；公告列举了 IEEE Transactions on Signal and Information Processing over Networks（2024）、IJCNN（2023）、ICML Topological Deep Learning Challenge（2023）及 Scientific Data（2026）等成果。这些是项目公告中的团队背景，具体作者贡献和课题相关性仍可在深度研究阶段核实。

岗位明确希望申请人把方法开发和临床问题联系起来，而不是仅对空间组学图像做通用模型训练。数据包括不同空间分辨率和不同测量技术的转录组信息、病理图像及临床指标；对齐这些数据、解释组织内异质性、验证结果能否关联肾小球病状态，是两条研究路线共同面对的问题。几何或拓扑模型是可选的重点方向，公告也接受偏向数据整合分析的候选人。

由于研究使用人类肾活检队列和多模态医学资料，临床合作与评价方式会直接影响方法能否得出可信的生物学结论。公告承诺可利用现有高性能计算基础设施、开放软件发布和定期跨机构讨论；它没有给出每名博士生可使用的数据规模或最终算力配额。这些细节应在实际课题确定时进一步核对。

申请要点

• 学历与编程：生物信息学、计算机科学、计算生物学、物理、数学、统计或相关定量学科硕士或同等学历；熟练使用 Python 及科学计算生态，具有 PyTorch 或类似深度学习框架经验，并有扎实的统计和机器学习基础。

• 研究兴趣：对几何或拓扑深度学习、图神经网络等方法感兴趣；单细胞或空间转录组、计算病理经验加分但非硬性要求。需愿意与临床及实验研究者合作，英语口头和书面表达良好；公告明确表示不要求德语。

• 申请材料：动机信、简历、成绩单和学位证书，以及一至两位推荐人的联系方式；代码仓库或论文链接可作为补充。请说明更倾向空间组学整合还是几何／拓扑深度学习，该选择并不具有约束力。

• 时间与合同：2026年10月6日截止；固定期限36个月，按标准周工时的65%聘用，拟于2027年1月1日或最早可行时间入职。

• 薪酬：采用 TVöD/VKA 集体协议。公告列出的年薪63,600—91,100欧元仅是38.5小时全职岗位的参考区间，不是本岗位65%工时的确定年薪，也不是薪酬保证。

• 入职条件：须依法提供麻疹免疫或接种证明，未满足该条件不能完成雇佣。

需要进一步确认

岗位写有资助且列明集体协议，但具体65%工时薪级、税后收入和博士注册安排仍需向招聘方确认。平台概览把工作语言列为“德语、英语”，正文明确“不要求德语”；申请前宜以正式招聘页为准。

PhD 项目深度调研报告：空间组学与深度学习计算生物学博士岗位

执行结论

推荐判断：有吸引力，但需要核实匹配度。 这是一个资助明确、研究方向集中的博士雇佣岗位，适合希望将定量机器学习用于生物医学空间组学的申请者。主要优势是 36 个月合同、UKE 的临床研究环境、bAIome 的计算资源、Zukunft eHealth 资助的研究联盟，以及空间转录组、数字病理、肾脏临床数据与几何或拓扑深度学习结合的选题。

需要先核实几项关键条件。官方公告明确规定本岗位为正常周工时的 65%；所列年薪区间对应每周 38.5 小时的全职岗位，实际税前年薪需要按工时折算，税后收入还会进一步减少。博士学籍注册、最终 TVöD 薪级与档位、人体活检数据使用权限，以及 Dr. Robin Khatri 与 Dr. Lucia Testa 的导师分工也应确认。UKE 官方页面显示截止日期为 2026 年 10 月 6 日；截至 2026 年 9 月 25 日仍在申请期内。UKE 官方招聘页面

学校、培养环境与所在地

岗位设在汉堡—埃彭多夫大学医学中心（UKE），与 Universität Hamburg 联系紧密。UKE 是大型医学、科研与教学机构，自述约有 17,000 名员工。对于希望研究与临床流程、患者队列及医院数据基础设施相结合的申请者，这样的环境有直接价值。UKE 机构概况

直接所在研究所的契合度比笼统的学校排名更能说明本项目。医学系统生物信息学研究所成立于 2017 年，由 Prof. Stefan Bonn 领导，重点是用统计方法和机器学习整合异质的生物医学数据。这与整合空间转录组、组织病理和临床指标的课题需求吻合。研究所页面

学校排名处于有竞争力的区间。QS 将 Universität Hamburg 列为 2026 年世界第 193 名、2027 年并列第 209 名，同时介绍其卓越大学身份及跨学科研究。申请时更值得看重德国研究型大学背景与 UKE 医院和生物医学 AI 环境的组合，而不是把排名本身当成决定因素。QS 学校资料

项目相关平台的匹配度较高。HCTI 介绍了患者队列、生物样本库、高分辨率组织技术、实验平台和转化研究讨论机制；bAIome 则说明 UKE 建有生物医学 AI 中心，提供面向大型生物医学数据与复杂模型训练的计算基础设施。课题同时需要临床组织样本背景和较强算力，这些平台因此具有实际相关性。HCTI 研究战略 bAIome 介绍

导师与研究团队评估

导师研究方向

官方招聘页面列 Dr. Robin Khatri 与 Dr. Lucia Testa 为共同负责人。Khatri 主要研究单细胞和空间组学的计算方法，应用场景包括免疫介导的肾脏疾病。UKE 的研究人员资料确认，他在分子神经生物学中心及医学系统生物信息学研究所任科研人员，工作地点涉及 HCTI，并将英语列为其工作语言能力之一。Robin Khatri 的 UKE 资料

Testa 的公开项目资料称，她是 UKE 博士后，博士阶段研究不确定领域下的拓扑信号处理和学习，目前关注计算生物学与计算化学中的拓扑深度学习。这与项目第二条方法路线相符：模型利用高阶组织结构，而不只依赖成对图关系。空间转录组拓扑项目资料

近期重要论文

Khatri 的论文与本项目关系直接。2024 年发表于 Genome Biology 的 DISSECT 由 Khatri、Machart 和 Bonn 提出，是一个半监督深度学习框架，用于从混合数据估计细胞类型比例及细胞类型特异性表达。肾脏空间数据经常需要解释混合细胞信号和疾病状态异质性，因此这一工作有参考价值。DISSECT 论文

2026 年发表于 Nucleic Acids Research 的 SCALE 与拟议课题更接近：它研究空间组学中无监督、多尺度的组织区域识别，作者包括 Khatri 和 UKE 的肾脏研究合作者。方法结合图表示学习与不同尺度的组织区域搜索，直接对应本项目分析组织结构的目标。SCALE 论文记录

2025 年 Bioinformatics 关于基于 PCA 的空间区域识别论文提供了重要的方法参照：较简单的基线模型在这类任务中也可能具有竞争力。团队关注基准比较是积极信号，但任何拓扑或深度学习扩展都应证明其比简单方法多解决了什么问题。Bioinformatics 论文 DOI

Testa 的 Generalized Simplicial Attention Neural Networks 是拓扑深度学习方向较明确的方法基础。它为单纯复形上的数据引入注意力机制，将图学习扩展到高阶交互。不过这项工作并非针对肾脏；博士课题的关键风险，是这些高阶组织模型能否真正提高生物学可解释性与临床相关性。GSAN 预印本

实验室、资源与合作环境

项目处于资源较强但合作链条复杂的联盟中。官方页面写明，UKE 与 RWTH Aachen University Hospital 的计算科学家、病理学家和肾脏病医生参与合作，罗马的 Universitas Mercatorum 也有合作伙伴；岗位还提供大型多模态生物医学数据、现代 GPU 基础设施、会议资源和结构化博士培养。UKE 官方招聘页面

这些条件有利于科研训练和成果发表；多机构协作中的任务协调、论文署名及数据访问规则也需要尽早说清。BMFTR 青年联盟指南在相关情况下强调患者与对照队列、临床数据及本地研究基础设施的可用性，支持此类课题的设计逻辑，但不能据此推定本项目已确定的具体数据治理条款。BMFTR 指南

研究方向与领域前景

领域进展

空间转录组是肾病研究的重要前沿，因为肾脏病理变化分布于肾小球、肾小管、免疫细胞及纤维化区域等不同空间结构。2024 年 Nature Genetics 的肾脏图谱研究表明，单细胞、单核与空间数据的结合能够识别疾病微环境，并在传统组织病理之外改善预后分析。Nature Genetics 肾脏图谱

高分辨率肾脏空间测量也在推进。一项 Nature Communications 研究用基于 RNA 杂交的原位测序及计算流程，分析损伤和修复过程中的肾脏细胞状态。这支持项目的前提：空间分子数据能揭示整体样本测序或解离后的单细胞数据难以保留的组织结构与疾病动态。Nature Communications 肾脏空间研究

拓扑深度学习具有潜力，但成熟度低于图神经网络。2024 年的一篇综述将其描述为融合拓扑数据分析与深度学习、用于表示数据形状和高阶结构的新兴领域。对本项目而言，它带来有意思的方法问题，也增加了基准测试和结果解释的风险。拓扑深度学习综述

可能的研究切入点

博士课题可围绕四类问题展开：建立跨分辨率、跨技术的空间转录组整合流程；在肾活检组织区域识别中比较图方法、PCA 和拓扑模型；将学到的空间区域与肾小球疾病临床指标连接；或发布开源工具，并认真处理不确定性、可重复性及生物学解释。

较有说服力的研究问题不是单纯使用深度学习，而是厘清高阶组织关系在何时重要、相对成对图结构能改进什么、能否产生可重复的生物学发现。官方招聘页面允许申请者偏重空间组学整合，或偏重几何与拓扑深度学习，因此可依据已有的数据或方法能力选择重点。UKE 官方招聘页面

职业发展与就业市场

博士期间若能积累 Python、PyTorch、空间组学、生物医学数据治理和临床协作的扎实成果，可面向医疗 AI 与生物信息学相关岗位。OECD 的 2026 年欧盟医疗 AI 章节提到，AI 可能带来数据分析师、模型开发人员，以及在医疗系统中整合、维护和升级 AI 工具的岗位。OECD 医疗 AI 报告

德国劳动力市场资料也提供了生物信息学和医学信息学岗位的薪酬参照。联邦就业局薪酬图谱给出了高复杂度生物信息学与医学信息学岗位的生物信息学人员薪酬中位数，可作为职业市场参照，但不能直接套用到毕业生起薪。德国薪酬图谱

医疗 AI 同时受到监管，应用验证也较复杂。OECD 2026 年关于医疗 AI 扩展应用的报告讨论了医疗领域 AI 能力建设，其中德国相关培训数据仅有部分覆盖。因此，能够将建模与隐私保护、可重复性、临床验证和可解释性结合的人，会比只有模型开发经验的人具备更完整的能力组合。OECD 医疗 AI 扩展报告

资助、申请与生活成本

资助条件总体明确。官方公告将其列为 BMFTR 资助青年联盟中的全额资助博士岗位，提供差旅与会议资源，合同为 36 个月；截止日期是 2026 年 10 月 6 日，预计在 2027 年 1 月 1 日或最早可行时间入职。UKE 官方招聘页面

薪酬一定要按工时理解。UKE 说明按 TVöD/VKA 集体协议支付，并给出全职每周 38.5 小时岗位的参考年薪 63,600—91,100 欧元；但本博士岗位只按**正常周工时的 65%**聘用。简单按比例折算，税前参考年薪约为 41,340—59,215 欧元，尚未扣税和社保。实际数字仍取决于人事部门确定的薪级与档位。UKE 官方招聘页面

作为交叉参照，2026 年 5 月起的 TVöD/VKA 薪表列出 E13 全职月薪为 4,901.11—7,025.87 欧元；如果最终适用 E13，按 65% 计算约为每月税前 3,186—4,567 欧元。招聘页面没有明确写明 E13，因此应向人事部门核实实际薪级、档位与预计税后月收入。TVöD/VKA 薪表

在汉堡生活需要认真规划住房费用。若租金控制得当，单身博士雇员的收入预计可覆盖生活，但目前缺少实际房租这一重要数字。Universität Hamburg 提到学生医保约每月 145 欧元，以及非欧盟国际学生的签证与居留许可费用；这些属于学生成本参照，不能当作博士雇员的完整预算。汉堡大学财务信息

中国及其他非欧盟申请者可核实研究人员签证路径，并尽早准备相关手续。德国官方技术人才门户说明，研究签证通常需要德国研究机构的接收协议或雇佣合同；有工作合同的博士生可能取得研究类居留许可，具体仍取决于博士岗位与学籍的法律安排。德国研究人员签证说明

申请者匹配度与准备方向

更适合的背景

适合具备生物信息学、计算机科学、计算生物学、统计、数学、物理、医学信息学或相近定量学科硕士或同等学历的申请者。官方岗位要求较强的 Python 与科学计算能力，以及 PyTorch 或类似深度学习框架经验。UKE 官方招聘页面

如果还有单细胞或空间转录组分析、图神经网络、几何或拓扑深度学习、计算病理、概率与统计建模、开源科学软件中的至少一项经验，会更容易建立与课题的联系。岗位将单细胞或空间转录组经验列为加分项，而非硬性条件，因此计算机、统计或物理背景较强的申请者仍有切入空间。

需要谨慎考虑的情况

如果希望做几乎不涉及生物医学合作的纯理论深度学习博士，这个项目可能不够匹配。课题明确围绕人类肾脏活检、临床指标，以及与临床和实验研究者合作；医学数据还涉及权限、伦理和验证，可能拉长研究迭代周期。

如果需要确定的全职薪酬，也要谨慎。岗位有资助，但官方规定是 65% 工时，不能直接把公告中的全职年薪区间当作博士实际收入。

可补强的申请材料与能力证明

能够展示工作的材料包括 GitHub 代码库、硕士论文、空间组学分析笔记、PyTorch 项目、图学习实验、统计分析或可重复的生物医学数据处理流程。求职信可按官方要求说明，自己更希望侧重空间组学整合，还是几何与拓扑深度学习。

面试中值得准备的问题包括：组织空间结构在生物学上为何重要；怎样将高阶模型与图方法、PCA 基线公平比较；如何避免患者数据泄漏或过拟合；以及怎样让肾脏病医生和病理学家理解分析结果。

风险与待核实问题

优先核实

1. 由哪个院系或博士项目授予学位？注册条件、费用和课程要求是什么？
2. 本岗位实际对应 TVöD/VKA 哪个薪级和档位？按 65% 工时计算，每月税前和税后收入大约是多少？
3. 博士生入职时，空间转录组、数字病理、临床元数据三类数据中，哪些已完成审批并可实际访问？
4. Dr. Khatri、Dr. Testa，以及肾脏病、病理和 RWTH Aachen 合作者如何分担指导？
5. UKE、RWTH Aachen 和 Universitas Mercatorum 参与的成果，预计如何分工和确定论文署名？
6. 中国及其他非欧盟申请者能否在拟定入职日期前取得签证材料、接收协议或雇佣合同文件？

进一步核实

1. 将使用哪些空间测量技术和分辨率？预计可用的肾活检样本有多少？
2. 课题更偏向开源方法开发、生物学发现、临床预测，还是均衡组合？
3. 博士生可保证获得哪些 GPU/HPC 资源？队列和存储是否有限制？
4. 会议与差旅经费是否为博士生单独预留，还是联盟共用？
5. 虽然公告称不要求德语，在临床合作中德语是否有实际帮助？
6. 若拓扑模型表现不如较简单的图方法或 PCA 基线，课题如何调整？

证据与来源

机构与研究环境

• UKE 官方招聘页面
• UKE 机构概况
• 研究所页面
• QS 学校资料
• HCTI 研究战略
• bAIome 介绍

导师、论文与合作

• Robin Khatri 的 UKE 资料
• 空间转录组拓扑项目资料
• DISSECT 论文
• SCALE 论文记录
• Bioinformatics 论文 DOI
• GSAN 预印本
• BMFTR 指南

领域与就业

• Nature Genetics 肾脏图谱
• Nature Communications 肾脏空间研究
• 拓扑深度学习综述
• OECD 医疗 AI 报告
• 德国薪酬图谱
• OECD 医疗 AI 扩展报告

资助、生活与签证

• TVöD/VKA 薪表
• 汉堡大学财务信息
• 德国研究人员签证说明