Daniel
INFO
Jag är en 32 år kropp & 7 miljarder år gammal själ. Jag är ensamstående föräldrer till en underbar 8 Mer..Aktivitet
Information
Jag är en 32 år kropp & 7 miljarder år gammal själ. Jag är ensamstående föräldrer till en underbar 8 åring tjej & har även en mops & saltvattenakvarium. Jag har pluggat Natur på gymnasiet, ett år biomedicin på BMC i Uppsala med läkemedelsutveckling & organisk kemi, läkemedelskemi, biokemi, anotomi, cellbologi & molekyler biolog. Jag fick syntetiserar lidokain & acetylsalicylsyra, odla e-coli & döda dem med natriumcyanid och obducera två människokroppar.Har även en kandidatexamen i datavetenskap med kurser i olika programmeringparadigm & mattematik. Exakta språk är Objekt Orgenterad Programmering med Python & Java, Strukturell Programmering med ansembler & C och Funktionell Programmering med Haskell & Erlang. Även datakommunikation, logiska kretsar, algebra, sannolikhetslära & statistik, mattematisk analys, satslogik, predikatlogik, automateori, abstrakt algebra. Som examensarbete gjorde jag en prototyp till en app som var tänkt som stöd under kampen att bli fri från missbruk. Focus låg på
Människa-Datainteraktion, medicinteknik och beroendepsykologi. Alla funktioner & all design, till och med färgerna, var utvalda utifrån aktuell forskning och intervjuer med missbrukare. Inget kunde vara utan argument & refenser. Vilket jag hittade genom att intervjua opioidmissbrukare & amfetaminmissbrukare och läsa igenom boker & artiklar inom beroendevård, kognitiv psykologi, Människa-Datainteraktion & neurovetenskap. En modell av prototypen skapades senare i HTML5/CSS för att få möjlighet att testa några av funktionerna & teorierna med tidigare missbrukare som gjorde intervjuerna med. För jag ville veta om de vill ändra grejer och då vad?
2 års kurser i en master i avancerad datavetenskap med fokus på datastrukturer, algoritmer & maskininlärning. Alltså så blev nu matten & datavetenskapen ihopsatt till algoritmisk programmering som 3 kurser i algoritmer & datastrukturer, AI algoritmer, maskininlärning & naturliga algoritmer, internationell gruppledning och modulära system, data mining och Large Data Analysis, realtidsprogramering, molnbaserad analysis, Människa-Robotinteraktion design, etik & moral inom dataprogrammering & IT och databasedesign.
Slutligen en masterexamen i Strukturell Bioinformatik, med fokus på receptorprotein; främst GPCR:s. Men även DNA-sekvensering, genomanalys, strukturell protein prediction, dynamiska simuleringar, microbiologi, phylogenetik, forskningspraktik hos en research grupp som gjorde Phylogenetik research av Fungi. Under masterexamen i bioinformatik designade, programmerade & tränade jag ett CNN (AI baserat på hur neuroner bearbetar synintryck) på ett datakluster med tillgång till 100 000 CPU:er parallellt. Använde ~100 000 000 CPU/h när jag var klar. Då hade AI:n blivit tränade att känna igen 3D molekyler som har hög sannolikhet att vara agonister till D2 receptor. Detta genom att en så kallad Large Scale Docking användas som scoring function att träna på ett subset av 1% av riktiga bibliotekets molekyler med kända affinitiet & effektivitet. En 3D model av D2 receptorer molekylär struktur hade scannat digitalt genom att man klistaliserade D2 dopaminreceptorprotein tillsammans med lite fettlöslig cellägg som läses av med laser för att få en 3D-kopia. Molekylerna testast på olika platser och försöker få minsta möjliga potentiella energi. Efter några test, utvärderas resultat och träningen anpassas efter utvärderingensresultatet, även när den tränat färdigt. Genom att ändra på hur långt, hoppig, länge, snabbt, etc som finns som parameters oss Neural Network vilket för molekylerna att röra sig annorlunda.
Sen filterade jag ett bibliotek med 7 miljarder molekyler som kan syntetiseras på jorden med en full-scale Large Scale Docking. Av dessa plockade den ut ~200st, några redan kända D2 agonister som tex amfetamin & dopamin. Av dess analysiserade jag resultatet och valde 10st som skulle framställas. Dess molekyler hade aldrig någonsin syntetiseras tidigare, så en biokemist i Research Gruppen tog fram syntetiserna och sen framställde molekylerna. Efter detta skickades de vidare i läkemedelsutveckling, preclinicals till High-throughput screening. Det är tusentals robotar, som testar tusentals med tester med det utvalda molekylerna för att förhoppningsvis kunna gå in i läkemedelsutveckling, phas 0.
älskar att lära mig nya saker och utforska nya kunskapskällor. Men eftersom jag verkligen tycker nästan allt är faktiskt roligt & spännande att utforska som har jag problem med att hålla fokus på samma projekt mer en ett par månader i taget. Eller ett par timmar i sträck för att sen behöver vila genom att göra något annat. Men det som väger upp är att jag jobbar otroligt effektivt när jag jobbar & även väldigt kreativit.
Min dröm är att få jobba med både programmering, men bioinformatik & biokemist för att utveckla next generations psychopharma för psykologiska åkommor & för att hjälpa människor att det bara tänka självständigt. Eller mappa alla gener för alla receptorer, på många människor så man kan börja hitta mönster mellan beteende, minne, intelligens & mentala åkommor & receptorer som är ansvarig för vad. Mappa med hjälp av en AI, för att undvika ett klusterfuck med säkerhet miljarder möjliga kopplingar. Design säkrare, roligare & hälsosammare hallucinogena substanser är också något som jag verkligen vill göra i den lite avlägsnar framtiden.