DSA Faculty
API
← к списку преподавателей

Башкатов Артем Борисович

Факультет компьютерных наук

Профиль на hse.ru ↗ тел.: 27338
Публикаций
1
Языков
2
Наград
0
Конференций
0
Профиль Публикации (1) Курсы (1)

Профессиональные интересы

Машинное обучение в Биоинформатикеанализ данных в биологии и медицинеPythonData Science and Analytics

Должности

  • Младший научный сотрудник — Факультет компьютерных наук, Институт искусственного интеллекта и цифровых наук, Центр биомедицинских исследований и технологий

Био

  • · Начал работать в НИУ ВШЭ в 2024 году.

Образование

  • 2021 · Магистратура: Первый Московский государственный медицинский университет им. И.М. Сеченова, специальность «Фармация», квалификация «Магистр»
  • 2016 · Специалитет: Московский государственный университет им. М.В. Ломоносова, специальность «Биохимическая физика», квалификация «Физик»

Опыт работы

  • · 2024г.: Прошел курс переподготовки Data Science bootcamp от Яндекс Практикум - март
  • · Освоил основы следующих направлений:
  • · - Исследовательский и статистический анализ данных с помощью Python; - Машинное обучение с учителем;
  • · - Классический ML (RF, LGBM, CatBoost);
  • · - Работа с временными рядами;
  • · - Машинное обучение для текстов, (NLP, word2vec, BERT);
  • · - SQL (на базе PostgreSQL);
  • · - Компьютерное зрение (полносвязные и сверточные сети, Keras, LeNet, ResNet);
  • · - Освоил работу с библиотеками pandas, numpy, sklearn, SHAP, phik, matplotlb, seaborn.
  • · 2016: Опыт работы в сфере клинических исследований лекарственных препаратов с по 2023гг
  • · Проведение полного цикла исследований 1-3 фаз, а также био- и тер- эквивалентности в следующих областях: ХПН, ХОБЛ, COVID-19, ВИЧ, Гепатиты B/C, Множественная миелома, Мигрень, Системная красная волчанка.
  • · - Навыки проведения презентаций и тренингов, в том числе на английском языке. - Проведение визитов оценки работы других специалистов для допуска их к самостоятельной работе.
  • · - Участие в программе менторства и адаптации новых специалистов.
  • · 2019: Лауреат ежегодной награды компании PPD Development 'Superior Performance' за
  • · 2021: и
  • · 2022: года
  • · Стажировка в Инститите системной биологии и биоинформатики:
  • · - Проводил мат. моделирование реакций каскада бета-амилоида для изучения болезни Альцгеймера.
  • · - В дипломной работе занимался изучением и статистическим анализом корреляции расположения гистонов и раковых мутаций в генетическом коде с помощью статистических языков R и Perl.

Идентификаторы исследователя

Публикации (1)

Deep learning deciphers the related role of master regulators and G-quadruplexes in tissue specification

2025 · ARTICLE · en

G-quadruplexes (GQs) are non-canonical DNA structures encoded by G-flipons with potential roles in gene regulation and chromatin structure. Here, we explore the role of G-flipons in tissue specification. We present a deep learning-based framework for the genome-wide G-flipon predictions across 14 human tissue types. The model was trained using high-confidence experimental maps of GQ-forming sequences and ATAC-seq peaks, conjoined with the location of RNA polymerase, histone marks, and transcription factor binding sites. The training dataset for the DeepGQ model was derived from EndoQuad level 4–6 GQs. Model predictions were subsequently validated against the comprehensive EndoQuad dataset (levels 1–6) to optimize the whole-genome prediction threshold. To identify tissue-specific regulatory patterns, we classified GQ promoter predictions as either ‘core’ or ‘tissue-specific’. We identified a notable overlap between predicted unique tissue-specific GQ sites and master regulatory genes (MRGs), tissue-specific DNase-hypersensitivity sites, and proteins that modulate R-loop formation. Collectively, the findings highlight the transactions between MRG and G-flipons intermediated by RNA: DNA hybrids associated with tissue specification.

DOI ↗ PDF ↗

Курсы (1)