Freja Pedersen
- Telefon: +45 26 78 90 12
- E-mail: freja.pedersen@email.com
- Placering: Aarhus, Danmark
- LinkedIn: frejapedersenbioinfo
Resumé
Fem års erfaring inden for bioinformatik, med fokus på udvikling af algoritmer og pipelines til analyse af storskala genomiske data. Har succesfuldt implementeret maskinlæringsmodeller til prædiktion af sygdomsmarkører, hvilket reducerede analysetiden med 30% og forbedrede nøjagtigheden med 15% i præliminære studier. Ekspertise i Python og R for biologisk databehandling og visualisering.
Erhvervserfaring
Senior Bioinformatiker
Aarhus, Danmark
Marts 2021 – nuværende
GenomIT A/S
-
Leder udviklingen af en ny pipeline til sekventeringsdataanalyse, der reducerede behandlingstiden for hele genomer med 25%.
-
Ansvarlig for design og implementering af maskinlæringsmodeller til identifikation af nye biomarkører for kroniske sygdomme.
-
Mentoreret et team af junior bioinformatikere i bedste praksis for datahåndtering og statistisk analyse.
-
Præsenterede forskningsresultater på internationale konferencer og bidrog til tre peer-reviewede publikationer.
Bioinformatiker
Aarhus, Danmark
August 2018 – Februar 2021
Biotech Solutions ApS
-
Analyserede RNA-sekventeringsdata for at identificere differentielt udtrykte gener i kræftforskning.
-
Udviklede scripts i Python til automatisering af gentagne dataanalyseopgaver, hvilket sparede op til 10 timer om ugen.
-
Samarbejdede tæt med molekylærbiologer for at fortolke komplekse biologiske resultater og designe eksperimenter.
-
Bidrog til forbedring af eksisterende bioinformatiske værktøjer og databaser.
Uddannelse
Aarhus Universitet
Aarhus, Danmark
September 2016 – Juni 2018
Cand.scient. in Bioinformatik
Aarhus Universitet
Aarhus, Danmark
September 2013 – Juni 2016
BSc in Molekylærbiologi
Færdigheder
Programmeringssprog: Python (Pandas, NumPy, SciPy, Scikit-learn), R (Bioconductor, ggplot2), Bash, SQL
Bioinformatiske Værktøjer: BLAST, Bowtie2, BWA, GATK, samtools, bedtools, DESeq2, EdgeR, AlphaFold
Genomisk Dataanalyse: RNA-Seq, WGS, ChIP-Seq, Variant Calling, Genom Assembly, Proteomik, Metabolomik
Maskinlæring & Statistik: Klassifikation, Regression, Clustering, PCA, Statistisk Modellering, Hypotesetest
Databaser & Cloud: MySQL, PostgreSQL, Google Cloud Platform (GCP), AWS (grundlæggende)
Operativsystemer: Linux, macOS, Windows
Sprog: Dansk (modersmål), Engelsk (flydende)
