Min forskning fokuserar på att förstå storskaliga biologiska data med hjälp av beräkningsmetoder, inklusive maskininlärning, statistisk modellering och systembiologi. Jag strävar både efter att stötta medicinska och biologiska forskargrupper som en beräkningsresurs, och att utveckla nya verktyg som kan avslöja sjukdomsdrivna intracellulära förändringar. Ett särskilt intresse för mig är att överföra insikter från välkarakteriserade friska system, där data ofta är rikligt tillgängliga, till mänskliga sjukdomar där materialet vanligen är begränsat.
Min forskningsbana började 2014, när jag som student vid IMT introducerades till mekanistisk modellering och systembiologi. Efter min masterexamen ledde detta intresse vidare till en doktorandtjänst i bioinformatik vid Institutionen för fysik, kemi och biologi, där jag fokuserade på att förutsäga tillförlitliga genregleringsnätverk från RNA-seq-data. Efter disputationen fortsatte jag som postdoktor vid Högskolan i Skövde i samarbete med läkemedelsföretag. Där startade jag också mitt första projekt som självständig forskningsledare, där jag ansvarade för utvecklingen av variational autoencoders – artificiella neurala nätverk utformade för att identifiera sjukdomsspecifika grupper av sammankopplade gener.
Tillbaka på IMT betonar mitt arbete nu fortsatt metodutveckling och tillämpningen av beräkningsmetoder på verkliga biomedicinska data. Mitt långsiktiga mål är att etablera en nod som kan stödja tolkningen av olika typer av storskaliga biologiska dataset inom hela livsvetenskaperna.
Min forskningsbana började 2014, när jag som student vid IMT introducerades till mekanistisk modellering och systembiologi. Efter min masterexamen ledde detta intresse vidare till en doktorandtjänst i bioinformatik vid Institutionen för fysik, kemi och biologi, där jag fokuserade på att förutsäga tillförlitliga genregleringsnätverk från RNA-seq-data. Efter disputationen fortsatte jag som postdoktor vid Högskolan i Skövde i samarbete med läkemedelsföretag. Där startade jag också mitt första projekt som självständig forskningsledare, där jag ansvarade för utvecklingen av variational autoencoders – artificiella neurala nätverk utformade för att identifiera sjukdomsspecifika grupper av sammankopplade gener.
Tillbaka på IMT betonar mitt arbete nu fortsatt metodutveckling och tillämpningen av beräkningsmetoder på verkliga biomedicinska data. Mitt långsiktiga mål är att etablera en nod som kan stödja tolkningen av olika typer av storskaliga biologiska dataset inom hela livsvetenskaperna.
