Nooshin O.
Senior Computational Biologe
Erfahrungen
Senior Computational Biologe
Max-Planck-Institut für molekulare Genetik
- Durchführung von Forschungen an der Schnittstelle von Proteomik und künstlicher Intelligenz mit Fokus auf den Einsatz von Machine-Learning-Modellen (z.B. neuronale Netze, Clustering-Algorithmen und Merkmalsextraktion) zur Analyse komplexer biologischer Datensätze.
- Entwicklung und Vermittlung von KI-basierten Analyse-Workflows für molekulare und proteomische Daten unter Einbindung von Tools wie Python (scikit-learn, TensorFlow, Pandas) für prädiktive Modellierung und Datenvisualisierung.
- Zusammenarbeit mit interdisziplinären Teams zur Untersuchung datengetriebener Hypothesen in der Molekulargenetik und zur Verbesserung der biologischen Interpretation durch KI-gestützte Mustererkennung.
- Implementierung automatisierter Datenverarbeitungs-Pipelines zur Verbesserung der Reproduzierbarkeit und des FAIR-Datenmanagements in Hochdurchsatzexperimenten.
Senior Computational Biologe
Charité - Universitätsmedizin Berlin
- Anwendung von Metric-Learning-Ansätzen zur Identifikation von Proteinsignaturen, die präsymptomatische Sepsis von allgemeiner Entzündung unterscheiden.
- Entwicklung von proteomischen Signaturen zur Vorhersage des Therapieansprechens und der Resistenz bei onkologischen Patienten.
- Durchführung von Überlebensanalysen durch Integration klinischer und proteomischer Datensätze.
- Durchführung groß angelegter Massenspektronomie-Datenanalysen zur Unterstützung der Biomarker-Entdeckung.
- Untersuchung molekularer Mechanismen der Antimykotika-Resistenz mittels computergestützter Modellierung und Proteomik.
Senior Computational Biologe/Machine-Learning-Wissenschaftler
Eagle Genomics
- Entwurf und Implementierung skalierbarer Bioinformatik-Pipelines (Nextflow, Python, R) für Mikrobiom- und Multi-Omics-Analysen in produktiven Umgebungen.
- Leitung der Integration mikrobieller Interaktionsnetzwerke und Host-Mikrobiom-Analysen.
- Tätigkeit als Fachexperte (SME) in funktionsübergreifenden Produktentwicklungsteams.
- Beitrag zu zwei Produkteinführungen mit Fokus auf Reproduzierbarkeit und Einhaltung von CI/CD-Standards.
Computational-Biology-Wissenschaftler
Max-Planck-Institut für molekulare Pflanzenphysiologie
- Betreuung von Studierenden in unterschiedlichen Forschungsbereichen.
- Einsatz von Machine-Learning-Methoden zur Vorhersage des Interaktoms verschiedener Arten und Anwendung unterschiedlicher Methoden zur Modellauswahl.
- Ableitung von Genregulationsnetzwerken (kontextunabhängig und kontextspezifisch).
- Analyse verschiedener Omics-Datensätze, einschließlich Transkriptexpression aus Microarray- und RNA-Seq-Technologien, Proteinmengen und Metabolitniveaus, sowie deren Integration.
- Arbeit mit Git und GitHub.
- Einsatz des Machine-Learning-Tools Weka.
- Anwendung fortgeschrittener Analysemethoden, darunter Netzwerkanalyse, Zeitreihendatenanalyse, Segmentierung von Zeitreihendatensätzen, Ermittlung von Wirkmechanismen, phylogenetische Analyse und Quantifizierung der Erblichkeit in der Populationsgenetik.
- Unterstützung von Doktoranden beim Verfassen von Artikeln, Dissertationen und der Strukturierung von Präsentationen.
Dateningenieur
LifeGlimmer GmbH
- Durchführung umfangreicher Textmining-Analysen und Erstellung einer Datenbank aller aus Publikationen stammenden Genregulationsnetzwerke im Zusammenhang mit NF-κB.
- Schulung eines Kollegen in klassischer und erweiterter Netzwerkanalyse von Transkriptionsdaten.
- Verwendung von R für alle Programmierungsschritte.
Forscher
Institut für Biochemie und Biologie, Abteilung Molekularbiologie, Universität Potsdam
- Programmierung mit R begonnen.
- Verwendete Python, Perl und SQL sowie Text-Mining-Funktionen, um alle verfügbaren Genexpressionsdatensätze im GEO zu erstellen und zu annotieren, um Gene zu identifizieren, die am Signal-Crosstalk beteiligt sind.
- Führte klassische rechnergestützte Analysen dieser Datensätze durch, darunter Differenzialanalyse, Clustering und Enrichment-Analyse.
Zusammenfassung
Computational-Biologe (Ph.D.) mit interdisziplinärer Erfahrung an der Charité, bei Eagle Genomics und am Max-Planck-Institut für molekulare Genetik. Experte für Multi-Omics-Datenintegration, Proteomik und KI-gestützte Modellierung für translationale und prädiktive Anwendungen. An der Charité leitete ich Projekte, in denen Maschinelles Lernen und Massenspektrometrie eingesetzt wurden, um proteomische Signaturen für die frühe Sepsis-Erkennung zu finden, Therapieansprechen und -resistenz in der Onkologie vorherzusagen und die Resistenz gegen Antimykotika zu charakterisieren. Bei Eagle Genomics entwickelte ich skalierbare und reproduzierbare Bioinformatik-Pipelines (Nextflow, Python, R) zur Analyse von Mikrobiom- und Multi-Omics-Daten in produktiven Umgebungen. Derzeit am Max-Planck-Institut baue ich den Einsatz von künstlicher Intelligenz und Deep Learning in der Proteomik aus, lehre KI-Methoden und entwickle datengesteuerte Modelle, um biologische Mechanismen zu erforschen.
Versiert in prädiktiver Modellierung, Datenfusion, statistischer Analyse und interdisziplinärer Zusammenarbeit. Leidenschaftlich darin, KI und computergestützte Modellierung zu nutzen, um komplexe biologische Systeme in umsetzbare Erkenntnisse für das Gesundheitswesen, die Biotechnologie und die Digital-Twin-Forschung zu verwandeln.
Sprachen
Ausbildung
Max-Planck-Institut für molekulare Pflanzenphysiologie - Institut für Biochemie und Biologie, Abteilung Molekularbiologie,
Ph.D. · Systembiologie · Potsdam, Deutschland
Shiraz-Universität
M.Sc. · Softwaretechnik · Shiraz, Iran, Islamische Republik
Shiraz-Universität
B.Sc. · Softwaretechnik · Shiraz, Iran, Islamische Republik
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.