Dr. David Wifling

• Entwicklung und Anwendung automatisierter Tools für computergestütztes Arzneimittel-Design. • Automatisierte Generierung von Machine Learning-basierten QSPR-Modellen zur Vorhersage der Eigenschaften von Arzneimittelkandidaten. • Entwicklung von Deep-Learning-Frameworks für Aufgaben wie Nomenklaturkorrektur (NLP). • Mitwirkung an Projekten zur rationalen Arzneimittelentwicklung in interdisziplinären Teams (Chemie, Biologie, Pharmakologie). • Wartung und Betrieb des firmeneigenen Rechenclusters.

• Projektarbeit im CompBioMed2 Center of Excellence (EU H2020) zur Entwicklung und Nutzung computergestützter Methoden in der Biomedizin. • Leitung des Arbeitspakets 3 „Data Management and Analytics“ sowie des Tasks 4.6 „Route to the Exascale“. • Entwicklung der CompBioMed2 Benchmark Suite mit hochskalierbaren Anwendungen (MD-Codes wie AMBER, GROMACS, OpenMM, NAMD und LAMMPS). • Durchführung von Kursen im Bereich computergestützte Biomedizin wie „Molecular visualisation using PyMOL“.

• Forschungsprojekte zu G-Protein gekoppelten Rezeptoren (GPCR) und ABC-Transportern: Struktur-basiertes Wirkstoffdesign zur Entwicklung hoch-affiner, selektiver Verbindungen. • Molekulardynamik-Simulationen (μs) zur Aufklärung von Ligand-Rezeptor-Interaktionen und Untersuchung des molekularen Mechanismus basaler GPCR-Aktivität. • Assoziierter Wissenschaftler im Graduiertenkolleg GRK 1910 der DFG. • Aufbau und Wartung eines GPU-Clusters und Nutzung von HPC-Clustern in Erlangen und München (SuperMUC)

• Anwendung von Methoden aus Molekularbiologie, Biochemie, Molekularpharmakologie und Molekularmodellierung. • Dissertationsthema: „Constitutive activity of the human histamine H4 receptor: Molecular modelling, binding and functional studies on wild type and mutant H4R orthologs“

Studium der Pharmazie einschließlich der Ausbildung in den persönlich bevorzugten Fächern wie Medizinische Chemie, Pharmakologie, Biochemie, Organische Chemie und Chemische Analyse.