Paul Heinrich

Mein Schwerpunkt liegt auf der Analyse von hochdimensionalen Omics-Daten mit Methoden aus den Bereichen der Statistik und des Machine Learning. Vor allem beschäftige ich mich mit Daten aus RNA-Sequencing-Experimenten, mit besonderem Fokus auf Single Cell RNA-Sequencing. Meine Analysen fließen dann in wissenschaftliche Publikationen ein. Zudem bin ich in unserem Team zu großen Teilen für die Entwicklung der entsprechenden Analyse-Pipelines verantwortlich, und in der Lehre tätig (angewandte Bioinformatik).

Die Doktorarbeit war thematisch im Forschungsfeld Metabolomics angesiedelt, mit einem bioinformatischen Schwerpunkt auf der Entwicklung von IsoCorrectoR, eines R-Packages für die Prozessierung von massenspektrometrischen Daten aus Experimenten mit stabilen Isotopen-Labels (https://www.bioconductor.org/packages/release/bioc/html/IsoCorrectoR.html). Darüber hinaus habe ich im Labor selbst Proben aus Experimenten mit stabilen Isotopen-Labels per LC-MS analysiert, sowie LC-MS-Methoden entwickelt.

Die Tätigkeit umfasste Softwareentwicklung für ein Enterprise-Resource-Planning-System, Datenbankmodellierung und Erstellung von Reports, Realisierung von Machine-Learning-Projekten im betrieblichen Umfeld, sowie die Entwicklung eines Toolsets für (weitgehend) automatisiertes Supervised Machine Learning auf tabellarischen Daten unter Nutzung verschiedener Machine-Learning-Algorithmen (lineare Modelle, Decision Trees, künstliche neuronale Netze).

Studium mit Schwerpunkt Bioinformatik. In der Masterarbeit am Lehrstuhl für Statistische Bioinformatik habe ich mich mit der Vorhersage von Zelltyp-Abundanz und Zelltyp-spezifischer Genexpression aus Gewebe-bulk-RNA-seq-Daten beschäftigt, und in diesem Rahmen Erfahrung mit Supervised-Machine-Learning-Ansätzen und der Entwicklung von Analyse-Pipelines gesammelt.

Masterstudium mit einem 6-monatigen Industriepraktikum bei Roche Diagnostics in Penzberg und einem 6-monatigen Auslandspraktikum am Karolinska Institut in Schweden (Stockholm). Masterarbeit am Institut für funktionelle Genomik der Universität Regensburg im Bereich Massenspektrometrie-basierte Proteomics.

Bachelorstudium