Soroor Hediyeh-Zadeh: Eine Spitzenforscherin im Bereich der computergestützten Biologie und Krebsforschung
Soroor Hediyeh-Zadeh ist eine herausragende PhD-Studentin im Bereich der maschinellen Lernens und computergestützten Biologie an der Helmholtz Munich und der Technischen Universität München. Ihre Forschung befasst sich mit der Entwicklung innovativer statistischer und computergestützter Modelle zur Analyse biologischer Daten, insbesondere im Bereich der Krebsforschung. Mit ihrer Expertise in maschinellem Lernen und Statistik hat sie bedeutende Beiträge zu Methoden und Technologien geleistet, die die medizinische Forschung revolutionieren.
In diesem Artikel wird Soroor Hediyeh-Zadeh als führende Wissenschaftlerin im Bereich der Biologie und Datenwissenschaft vorgestellt, einschließlich ihrer Bildung, Forschungserfahrung und ihrer bedeutenden wissenschaftlichen Leistungen.
Bildungshintergrund von Soroor Hediyeh-Zadeh
Soroor Hediyeh-Zadeh hat ihre akademische Reise an der University of Melbourne in Australien begonnen, wo sie ihren Bachelor of Science (BS) in Statistik und Stochastischen Prozessen im Jahr 2015 abschloss. Diese Grundlage bildete die Basis für ihre späteren Studien im Bereich der Biostatistik und der computergestützten Modellierung biologischer Daten. Während ihres Bachelorstudiums nahm sie am „Undergraduate Research Opportunities Program (UROP)“ teil, wo sie ihre ersten praktischen Erfahrungen in der statistischen Analyse von RNA-seq-Daten sammelte. Ihre Arbeit in diesem Bereich legte den Grundstein für ihre zukünftige Forschung im Bereich der Bioinformatik.
Im Jahr 2017 setzte Hediyeh-Zadeh ihre Studien mit einem Master of Science (MS) in Statistik und Stochastischen Prozessen fort. In dieser Zeit vertiefte sie ihre Kenntnisse in der Differentialausdrucksanalytik von RNA-seq-Daten, was zu einer Veröffentlichung führte, die neue Methoden zur effizienten Bewertung von Differentialtranskriptausdrücken beinhaltete. Die Veröffentlichung wurde in der Fachzeitschrift „BioRxiv“ vorgestellt und zeigte ihre Fähigkeit, statistische Modelle für die Analyse komplexer biologischer Daten zu entwickeln.
In ihrem Master of Philosophy (MPhil) Abschluss in Computational Biology an der University of Melbourne, den sie 2022 abschloss, konzentrierte sich Hediyeh-Zadeh auf die Analyse von massenspektrometrischen Daten und die Entwicklung maschineller Lernmodelle zur Verbesserung der Genauigkeit und Effizienz der Peptididentitätszuordnung. Ihre Arbeiten in diesem Bereich wurden in angesehenen wissenschaftlichen Zeitschriften veröffentlicht und trugen zur Weiterentwicklung der computergestützten Biologie bei.
Forschungserfahrungen und bedeutende Beiträge
Nach dem Abschluss ihrer Studien an der University of Melbourne trat Hediyeh-Zadeh 2021 als PhD-Studentin an der Helmholtz Munich und der Technischen Universität München in die Abteilung für maschinelles Lernen und computergestützte Biologie ein. Ihre Forschung konzentriert sich auf die Entwicklung generativer, kausaler und kontinuierlicher Lernmodelle zur Analyse von Zellzustandsübergängen und zur Inferenz aus verschiedenen biologischen Datenmodalitäten. Ein besonders innovativer Bereich ihrer Arbeit ist die Anwendung dieser Modelle in der Krebsforschung und bei der Untersuchung der heterogenen Zellpopulationen, die bei vielen Krankheiten eine Rolle spielen.
Neben ihrer Doktorarbeit hat Soroor Hediyeh-Zadeh ihre Expertise auch international eingebracht. 2024 verbrachte sie als Gaststudentin am Broad Institute von MIT und Harvard, einer der renommiertesten Forschungsinstitute weltweit. Diese Gelegenheit bot ihr die Möglichkeit, ihre Kenntnisse in einem interdisziplinären Umfeld weiter auszubauen und zur Entstehung neuer Forschungsansätze beizutragen.
Ihre Beiträge zur wissenschaftlichen Gemeinschaft sind nicht zu unterschätzen. Eine ihrer wichtigsten Veröffentlichungen ist die Arbeit mit dem Titel „Biologically informed deep learning to query gene programs in single-cell atlases“, die 2023 in Nature Cell Biology veröffentlicht wurde. Diese Arbeit beschreibt, wie tiefes Lernen auf biologische Fragestellungen angewendet werden kann, um Gene und deren Programme in Einzelzellen zu verstehen. Darüber hinaus entwickelte sie das Tool „GraphCompass“, das spatial transcriptomics-Daten analysiert und es Wissenschaftlern ermöglicht, die Zellen besser zu charakterisieren, basierend auf ihrer Position und Aktivität innerhalb eines Gewebes.
Auszeichnungen und Anerkennung
Hediyeh-Zadehs Arbeit und Engagement in der wissenschaftlichen Gemeinschaft wurden mit mehreren Auszeichnungen und Stipendien gewürdigt. 2020 erhielt sie das Australian Government Research Training Program Scholarship, das ihr eine finanzielle Unterstützung für ihre Doktorarbeit ermöglichte. Außerdem wurde sie 2024 mit dem renommierten DAAD-Stipendium (Deutscher Akademischer Austauschdienst) ausgezeichnet, was ihr eine wichtige Chance verschaffte, internationale Forschungskooperationen weiter auszubauen.
Besonders hervorzuheben ist auch ihr Engagement für die Förderung der Frauen in den Naturwissenschaften. Soroor Hediyeh-Zadeh war Mitbegründerin von R-Ladies Melbourne, einer Organisation, die sich der Förderung von Frauen im Bereich der Datenwissenschaften widmet. Diese Initiative hat ihr auch die Kellaway Excellence Education Award eingebracht, eine interne Auszeichnung des WEHI für ihre Beiträge zur Bildung und Förderung von Frauen im Bereich der R-Programmierung.
Fähigkeiten und Expertise
Soroor Hediyeh-Zadeh besitzt eine breite Palette an Fähigkeiten in der Bioinformatik, Datenwissenschaft und dem maschinellen Lernen. Sie ist mit den wichtigsten Programmiersprachen wie Python und R bestens vertraut und hat umfangreiche Erfahrung in der Anwendung von Deep Learning-Methoden, insbesondere in den Bereichen der Bild- und Textverarbeitung. Ihre Expertise umfasst auch das Arbeiten mit großen biologischen Datensätzen, wie sie in RNA-seq, ChIP-seq, ATAC-seq, SLAM-seq und anderen Hochdurchsatz-Sequenzierungsverfahren zu finden sind.
In ihrer Karriere hat Hediyeh-Zadeh nicht nur innovative wissenschaftliche Methoden entwickelt, sondern auch bedeutende Tools und Softwarelösungen geschaffen, die von anderen Forschern auf der ganzen Welt genutzt werden können. Ihr Projekt „MsImpute“, das sich mit der Imputation fehlender Peptidintensitätsdaten in der quantitativen Massenspektrometrie beschäftigt, hat das Potenzial, die Art und Weise zu revolutionieren, wie Wissenschaftler Proteindaten analysieren.
Schlussfolgerung
Soroor Hediyeh-Zadeh ist zweifellos eine der vielversprechendsten Wissenschaftlerinnen im Bereich der computergestützten Biologie. Ihr interdisziplinärer Ansatz, der Statistik, maschinelles Lernen und biologische Datenanalyse vereint, hat ihr bereits bedeutende Anerkennung in der wissenschaftlichen Gemeinschaft eingebracht. Durch ihre Beiträge zur Krebsforschung und ihre fortschrittlichen Methoden zur Analyse von Einzelzellen hat sie nicht nur das Verständnis von biologischen Prozessen erweitert, sondern auch die Werkzeuge und Techniken für zukünftige wissenschaftliche Durchbrüche weiterentwickelt.
Ihr Engagement für die Förderung der Wissenschaft und die Unterstützung von Frauen in der Forschung macht sie zu einer Vorbildfigur für kommende Generationen von Wissenschaftlerinnen. Soroor Hediyeh-Zadeh wird sicherlich weiterhin einen bleibenden Einfluss auf die Forschung in der biologischen Informatik und darüber hinaus haben.
