作品——王杰瑞

工作经历

Molsil Scientific – 加利福尼亚州尤宁市，2023年8月至今

勃林格殷格翰，德国比贝拉赫安德里斯，2021年7月至2023年7月

率先将机器学习/人工智能和机器人技术应用于生物制药的生产和研发，以提升生产效率（过程分析技术、ICH Q14）。
领导由科学家和技术专家组成的跨职能团队，设计并实施湿实验室实验（AKTA、Tecan）以及基于计算机的机器学习回归分析（Python、SQL、TensorFlow）。亲自进行机器学习模型的拟合和验证。
在6个月内成为机器学习领域的专家，亲手开展了临床阶段的工艺开发实验，涵盖上游和下游操作，包括CHO哺乳动物细胞培养、培养基优化、TFF、糖链谱分析，以及0.5至50升规模下的亲和色谱、离子交换色谱（IEX）和微柱色谱（MMC）制备色谱。亲自操作了以下分析检测方法：ELISA、Octet、HPLC、UV、IR、拉曼光谱。利用3D打印（Fusion 360）和数据采集（DAQ）技术为Tecan机器人设计解决方案。支持与CDMO（Rentschler、WuXi、InnoForce）的合作项目。
完成了4篇论文稿（预期每年1篇），其中包括与法务部门合作完成1项专利审查。负责了其中2篇论文的发表工作，并审阅了1篇论文。（论文1）（论文2）
在年度国际公司级新技术科学会议上，荣获“最佳专题报告奖”（从16个参选项目中脱颖而出，获得70%的观众投票，投票人数约500人）。参加了Recovery 2022会议。
在60节课（预计共90节）内完成了达到B1级别的德语培训。

波士顿儿童医院，马萨诸塞州波士顿，2015年12月至2021年6月

利用通过手术植入的电极进行的多日电生理记录，绘制了人类大脑神经网络图，其分辨率比此前最先进的技术高出22倍（已发表）。
开发了脑机接口技术，其中最值得一提的是：开发了一种新算法，用于在24小时内检测19名受试者的多种自发行为（例如进食、睡眠等）。利用现有及定制的数据科学方法，对包括iEEG、MRI和CT在内的人体活动临床记录进行了预处理和分析。
基于图形处理单元通用计算（GPGPU）原理和低级工具（C/C++、OpenCL、Python、R、Verilog），开发了一套高性能计算（HPC）处理流程，从而能够对规模比此前最先进技术大22倍的数据集进行分析。
设计并搭建了计算机网络基础设施，以支持大规模（>100TB）数据集的存储、分析和文档记录（GNU/Linux、NAS、RAID）。创建了数据存储结构（HDF5）和API（MATLAB），以便与合作者共享数据。
开发了一个3D交互式网络应用程序（点击此处），用于向更广泛的研究界传达关键研究结果（LAMP、HTML、JavaScript、Blender）。
指导了两名本科生和一名研究生

勃林格殷格翰，德国比贝拉赫安德里斯，2019年8月至2019年10月

利用大规模数据集的统计数据分析（Python），研究了生物制药生产工艺（CMC）与临床试验结果之间的关联性。整合了来自III期临床试验结果（SAS/CDISC）和临床生产（LIMS/SQL）的异构数据格式。
设计并实现了用于验证模型可预测性的方法（MATLAB、JMP）。

阿斯利康，马里兰州盖瑟斯堡，2015年7月至2015年9月

开发了一种基于液体处理机器人（Hamilton STAR/Venus）的自动等电聚焦检测方法，用于生物制药研发。利用 Microsoft Excel 宏（Microsoft Visual C# .NET）将设备输出数据集成到现有工作流程中。
该自动化方法在准确性、精确性和可靠性方面表现出的水平与人工操作相当，从而提高了全职员工（FTE）的生产效率。

约翰斯·霍普金斯医学院，马里兰州巴尔的摩市，2012年5月至2015年5月

作为国际基因工程机器大赛（iGEM）参赛团队的一员，成功培育出一种耐酒精的酵母菌株（http://2012.igem.org/Team:Johns_Hopkins-Wetware）。
通过将珊瑚中的amilCP色素蛋白基因导入野生型酵母，成功培育出蓝色合成酵母。设计了一套液体处理流程和图像预处理算法（Labcyte Echo、Python），用于利用合成色素酵母创作艺术作品（http://yeastart.org/art）。

阿斯利康，马里兰州盖瑟斯堡，2014年7月至2014年9月

鉴定了在生物制药开发过程中导致不良翻译后修饰（PTM）的宿主细胞蛋白（HCP）。进行了色氨酸氧化测定，并分析了液相色谱-质谱（LC-MS）结果（MassLynx）。
建立了一个用于推断HCP候选分子量范围的统计模型（Matlab）。

Excellgen公司，马里兰州罗克维尔市，2010年6月至2010年8月