Биоинформатик-инженер данных в институте Гюстава Русси, INSERM, исследовательский юнит U981.

Стек работы - использование лабораторного пайплайна (с упором на его дебаггинг и апдейты) для анализа данных геномики рака.

Основных проектов 2.

Первый - предикторы ответа на PARP ингибиторы в педиатрических раках. Очень кратко - чем выше уровень анеуплодности генома, тем выраженнее эффект препарата (% уменьшения опухолевого боъёма после курса лечения).

Второй - сбор, курирование, анализ данных большой лабораторной коллекции клинических образцов и экспериментов, связанных с мутациями гена репарации ДНК XPC. Собрал когорту (~500 кейсов), обработал от сырых данных до maf/segments/etc., провёл статистическую обработку (от простых стат тестов до моделей смешанных эффектов + извлечение мутационных подписей). Мутации XPC были ассоциированы со своим, уникальным паттерном накопления мутаций, который был универсальным ( = во всех органах и тканях), определяющим в случае XPC-ассоциированных раков, а также демонстрировали синергию с различного рода мутагенами (препараты платины, перекись водорода и так далее).

Продолжение работы в BostonGene, теперь уже из Еревана. И теперь со своей собственной командой (добавился опыт руководства людьми, примерно 3-5 человек).
Схожий профиль технической работы (проведение пепроцессинга через корпоративный пайплайн, его эпизодическая настройка под себя, анализ данных экзома и транскриптома), просто теперь к этому добавились обязанности менеджера команды.

Работал с очень большим разнообразием онкологических диагнозов (более 50), основная работа - по раку лёгких и нейро карциномам.

Анализ NGS данных в онкологии. Как чисто отчёты, так и научные исследования. Проведение данных секвенирования опухоли от сырых прочтений до отчёта для врача в интерпретируемой форме. WES + RNA-Seq. Основной упор - на раке молочной железы и раке лёгких.

Поиск блоков обработки информации в метаболизме E.coli
Суть работы - извлечь из свободных источников информации (RegulonDB, BiGG database) данные о метаболитах, которые первоначально не могут детектироваться E.coli, однако после нескольких превращений становятся субстратами, способными образовывать комплексы с транскрипционными факторами. Из полученных данных извлечь случаи, когда биохимические реакции вокруг метаболитов можно было уложить в определённый "паттерн".

Основные инструменты - python (пакеты igraph, pandas, numpy).

Классические манипуляции "мокрой" биологии: ПЦР, очистка и выделение белков/ДНК, клонирование генов.
Основной упор - на исследование конкретного семейства пептидов (лассо-пептиды) и попытку их экспрессировать в E.coli

Магистратура Сколтеха, Науки о Жизни. ВКР посвящена представлению метаболизма и транскрипционной регуляции E. coli в виде четырёхдольного графа с последующими анализами (количество петель обратной связи, их длина и вариабельность длины по сравнению с рандомизированным контролем).

Классический специалитет по лечебному делу, 6 лет. Несколько отличается от типичных программ клиницистов тем, что помимо междисциплинарного экзамена по лечебному делу со студентов этой программы требуют выполнение ВКР (т.е. и клиническое мышление, и научное).

ВКР в моём случае была посвящена анализу первичных случаев ВИЧ-инфекции в Петербургской больнице Боткина. Основная работа - моделирование вирусной нагрузки и количества CD4, CD8 T лимфоцитов в крови пациентов с помощью клинико-лабораторных показателей (биохимические показатели крови + маркерные заболевания СПИД)