Bikash (Ranjan) S.
Forschungsdatenkurator, Semantik- und Ontologie-Engineering-Team
Erfahrungen
Apr. 2025 - Bis heute
8 MonatenHybrid
Forschungsdatenkurator, Semantik- und Ontologie-Engineering-Team
Novo Nordisk
- Entwickelte für das Team eine semantische Suchmaschine durch Einsatz verschiedener Einbettungsmodelle und hybrider Kombinationen und integrierte LLMs, um intelligente, kontextbewusste Suchfunktionen bereitzustellen.
- Betreute und verwaltete ELN-Forschungsdaten, um Genauigkeit, Konsistenz und FAIR-Konformität sicherzustellen.
- Setzte natürliche Sprachverarbeitung ein, um die Metadatenextraktion und -annotation zu automatisieren.
- Entwarf und implementierte Wissensgraphen und semantische Rahmenwerke, um die Datenverknüpfung und -abfrage zu verbessern.
- Integrierte LLMs mit Wissensgraphen für intelligente, kontextbewusste Datenkuratierung.
- Arbeitete mit interdisziplinären Teams zusammen, um die Workflows für Forschungsdaten zu optimieren und hochwertige Kurationsstandards sicherzustellen.
Nov. 2024 - März 2025
5 MonatenIndien
Forschungswissenschaftler II, Labor von Prof. Balamurugan Ramadass
All India Institute of Medical Sciences Bhubaneswar
- Entwickelte mikrobielle Konsortien mithilfe von Active Learning, um die Produktion antimykobakterieller Metabolite zu optimieren.
- Führte Simulationen basierend auf dem Lotka-Volterra-Modell durch, um mögliche stabile Zustände der Konsortien zu überprüfen.
- Führte umfassende Metagenomik- und Mikrobiom-Netzwerkanalysen an klinischen Proben durch.
- Koordinierte Patienteneingriffe in klinischen Studien.
- Betreute Doktoranden und Masterstudierende bei Bioinformatikanalysen und NGS-Durchführungen.
- Unterstützte beim Verfassen von Forschungsanträgen.
Okt. 2020 - Sept. 2024
4 JahrenBelgien
Bioinformatiker, Labor von Prof. Katleen De Preter
Ghent University | Centre for Medical Biotechnology VIB-UGent
- Entwickelte interpretierbare Deep-Learning-Modelle, um die Medikamentenempfindlichkeit von Krebszelllinien vorherzusagen und potenzielle Drug-Repurposing-Chancen aufzudecken.
- Nutzte künstliche neuronale Netze, die biologische Netzwerke nachbilden, für bessere Interpretierbarkeit.
- Verwendete Neuronengewichte, Neuronen-Embeddings und Gradientenanalysen, um verschiedene Interpretationsstufen im Modell aufzudecken.
- Verwendete Transkriptom-, Mutations- und Methylierungsdaten, um robuste Vorhersagemodelle zu trainieren.
- Veröffentlicht einen Artikel mit dem Titel „Opportunities and challenges in interpretable deep learning for drug sensitivity prediction of cancer cells“ (DOI: 10.3389/fbinf.2022.1036963).
- Entwickelte eine bioinformatische Pipeline zur Analyse von NGS-Daten zellfreier DNA (cfDNA) im Plasma von Krebspatienten, um diagnostische und prognostische Ergebnisse abzuleiten.
- Extrahierte und nutzte genetische und epigenetische Merkmale wie strukturelle Varianten (SNV, CNV, InDels), Nukleosomen-Footprints und Sequenzmotive aus cfDNA-Ganzgenomsequenzdaten für prädiktive Modellierung.
- Analysierte ATAC-Seq- und cfRRBS-Daten, um genomische Regionen für die prädiktive Modellierung auszuwählen.
- Setzte Deconvolutionsalgorithmen ein, um den Tumor-DNA-Anteil und die subklonale Fraktion im Blut von Patienten zu schätzen.
- Isolierte zellfreie DNA aus Blutproben von Patienten und Mäusen (PDX) und charakterisierte DNA-Konzentration und Größenprofile.
- Kultivierte Krebszelllinien in vorbehandelten Medien und charakterisierte DNA-Konzentration und Größenprofile aus dem Überstand.
- Isolierte extrazelluläre Vesikel aus Blut und Zellkulturmedien, extrahierte DNA aus EV-Lysaten und charakterisierte sowie sequenzierte die DNA.
Sept. 2019 - Sept. 2020
1 Jahr 1 MonateFrankreich
Bioinformatiker, Labor von Prof. Jean-Loup Faulon
MICALIS, INRAe Jouy-en-Josas
- Wandte Deep Learning an, um auf Basis enzymatischer Reaktionen aus der BRENDA-Datenbank die Machbarkeit von De-novo-Reaktionen vorherzusagen.
- Nutzte generative gegnerische Netzwerke, um Proteinsequenzen zu erzeugen, die auf bestimmte enzymatische Reaktionen zugeschnitten sind.
- Führte umfassende Proteinsequenzanalysen durch, einschließlich Pfam-Erkennung, Berechnung von Konservierungsscores und physikochemischen Eigenschaften für prädiktive Modellierung.
- Implementierte einen Active-Learning-Ansatz, um die Flavonoidproduktion in zellfreien Systemen zu steigern.
Juli 2018 - März 2019
9 MonatenIndien
Masterstudent & Lehrassistent im Labor von Prof. Ranjit Prasad Bahadur
Indian Institute of Technology Kharagpur
- Entwickelte ein genaueres Klassifikationsmodell für intrinsische Subtypen von Brustkrebs basierend auf Genexpressionsprofilen mithilfe von überwachten Machine-Learning-Methoden.
- Rekonstruierte für jeden Subtyp individuelle Genregulationsnetzwerke mit einem überwachten Machine-Learning-Ansatz unter Nutzung von Multi-Omics-Daten wie Genexpression, Methylierung, CNV und miRNA-Expressionsdaten.
- Analysierte subtypspezifische Regulationsmuster, um charakteristische Merkmale und kritische Zielstrukturen innerhalb der Genregulationsnetzwerke zu identifizieren.
Sprachen
Englisch
VerhandlungssicherAusbildung
Okt. 2017 - Juni 2019
Indian Institute of Technology Kharagpur
MTech · Biotechnologie und biochemische Verfahrenstechnik · Kharagpur, Indien
Okt. 2013 - Juni 2017
Odisha University of Technology and Research
BTech · Biotechnologie · Bhubaneswar, Indien
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.