Биоинформатик

в ИБР РАН (Лаборатория Молекулярной генетики и биоинформатики) (посмотреть профиль)
Город Москва, Russian Federation
Опубликовано 01.09.2021
Категория Биоинформатика
Тип вакансии Полная занятость
Адрес Россия, Москва, ул. Вавилова, д. 26. ИБР РАН (м. "Ленинский проспект", "Воробьевы горы")

Обязанности

Ищу постдоков и/или аспирантов в Москву (Институт биологии развития РАН), умеющих программировать и имеющих не менее 6 месяцев опыта самостоятельной работы над биоинформатическими проектами.

Основная тематика - исследование роли иерархических регуляторных сетей генов – регулонов - в развитии и формировании функциональных свойств мозга, патологий и роли в социально значимых заболеваниях. Такие иерархические генные сети  - молекулярные коды - имеют клеточную специфичность и зависят от эпигенетического ландшафта, например, доступности хроматина. Методологический упор - на активное использование биоинформатических методов по анализу оригинальных и опубликованных данных транскриптомики и эпигеномики одиночных клеток, полученных в соответствующих животных моделях заболеваний, в комбинации с полногеномным поиском ассоциаций на базе клинических исследований.

О себе:

Роман Романов

Доктор биологических наук

Основные награды:

Медаль Российской Академии Наук для молодых учёных (2013), направление Физиология

Otto Loewi Award за достижения в области нейробиологии (Австрийская Ассоциация Нейробиологии, 2019)

Контактная информация:

Roman.al.romanov@gmail.com

 

Мой исследовательский интерес сосредоточен на изучении молекулярной и клеточной организации мозга и сенсорных систем. Особое внимание в своих исследованиях я уделяю молекулярным механизмам развития нервной системы и межклеточным взаимодействиям. Такие знания необходимы для прогресса в поиске новых профилактических и терапевтических стратегий для решения некоторых из наиболее актуальных проблем общественного здравоохранения нашего времени - нарушений развития нервной системы, метаболических и психиатрических заболеваний, нейродегенеративных расстройств. Мы разработали первую молекулярную классификацию различных типов клеток в гипоталамусе на основе секвенирования РНК в одиночных клетках и продемонстрировали предсказательную силу подхода для картирования сигнальных систем в интактных тканях (Romanov et al, Nature Neuroscience, 2017). Недавно я и мои коллеги, используя данные секвенирования РНК в одиночных клетках на 51 245 гипоталамических клетках, показали, как разнообразие клеточных типов и их взаимосвязь формируются в течение пре- и постнатального развития (Romanov et al, Nature, 2020). Особо важно, была продемонстрирована связь разнообразных молекулярных программ с человеческими болезнями (Romanov et al, Nature, 2020). В конечном итоге эти новые открытия облегчают расшифровку  механизмов развития психических и метаболических нарушений, связанных с развитием нервной системы.

 

10 избранных публикаций

  1. Romanov RA, Tretiakov EO, et al (2020) "Molecular design of hypothalamus development". Nature, 582(7811):246-252. https://www.nature.com/articles/s41586-020-2266-0
  2. Romanov RA, Alpar A, Hokfelt T, Harkany T (2019) Unified Classification of Molecular, Network, and Endocrine Features of Hypothalamic Neurons. Annual review of neuroscience. 42:1-26. https://www.annualreviews.org/doi/abs/10.1146/annurev-neuro-070918-050414
  3. Romanov RA, Lasher RS, et al (2018) Chemical synapses without synaptic vesicles: Purinergic neurotransmission through a CALHM1 channel-mitochondrial signaling complex. Science Signaling 11:529. https://stke.sciencemag.org/content/11/529/eaao1815
  4. Alpar A*, Zahola P, Hanics J, Hevesi Z, Korchynska S, Benevento M, Pifl C, Zachar G, Perugini J, Severi I, Leitgeb P, Bakker J, Miklosi AG, Tretiakov E, Keimpema E, Arque G, Tasan RO, Sperk G, Malenczyk K, Mate Z, Erdelyi F, Szabo G, Lubec G, Palkovits M, Giordano A, Hokfelt TG, Romanov RA*, Horvath TL*, Harkany T* (2018) Hypothalamic CNTF volume transmission shapes cortical noradrenergic excitability upon acute stress. The EMBO journal 37(21), e100087. *These authors contribute equally to this work as senior authors. https://www.embopress.org/doi/full/10.15252/embj.2018100087
  5. Romanov RA, Zeisel A, et al (2017) Molecular interrogation of hypothalamic organization reveals distinct dopamine neuronal subtypes. Nature Neuroscience 20: 176-188. https://www.nature.com/articles/nn.4462
  6. Cervo PRD, Romanov RA, et al (2017) Induction of functional dopamine neurons from human astrocytes in vitro and mouse astrocytes in a Parkinson’s disease model. Nature Biotechnology 35: 444-452. https://www.nature.com/articles/nbt.3835
  7. Romanov RA, Alpar A, et al (2015) A secretagogin locus of the mammalian hypothalamus controls stress hormone release. Embo Journal 34: 36-54. https://www.embopress.org/doi/full/10.15252/embj.201488977
  8. Romanov RA, Bystrova MF, Rogachevskaya OA, Sadovnikov VB, Shestopalov VI, Kolesnikov SS (2012) The ATP permeability of pannexin 1 channels in a heterologous system and in mammalian taste cells is dispensable. Journal of Cell Science 125: 5514-5523. https://jcs.biologists.org/content/125/22/5514
  9. Romanov RA, Rogachevskaja OA, Khokhlov AA, Kolesnikov SS (2008) Voltage Dependence of ATP Secretion in Mammalian Taste Cells. Journal of General Physiology 132: 731-744. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2585863/
  10. Romanov RA, Rogachevskaja OA, Bystrova MF, Jiang PH, Margolskee RF, Kolesnikov SS (2007) Afferent neurotransmission mediated by hemichannels in mammalian taste cells. Embo Journal 26: 657-667. https://www.embopress.org/doi/full/10.1038/sj.emboj.7601526

 

Требования

Желательные навыки:

Языки программирования: R, Python, Bash (дополнительные языки приветствуются). Работа с базами данных.

Среды разработки: RStudio, Jupyter Notebook (Google Colab) или удобные Вам. 

Пайплайны для обработки данных scRNA-seq: Cell Ranger (10x Genomics), Snakemake/CWL

Downstream analysis: Seurat (R, Satija Lab), velocyto (R, Python), scVelo (Python), Slingshot (R), pySCENIC (Python), dropEst, Conos, Pagoda2, Bioconductor (пакеты для single-cell RNAseq и ATAC-seq анализов)

Знание теории машинного обучения. Приветствуется опыт работы с DNN (Deep Neural Network) и умение писать программы на основе PyTorch или TensorFlow.

Зарплата

не указано

Условия

Оплата от 50000 до 150000 руб./мес., в зависимости от квалификации и опыта + дополнительные грантовые выплаты, полная занятость

Рекомендуемые курсы для этой вакансии: