LAMARR Person Xerxa Elena - Lamarr Institute for Machine Learning (ML) and Artificial Intelligence (AI)

Dr.
Elena Xerxa

Scientific Coordinator Life Sciences

Elena Xerxa erwarb ein Diplom in Zell- und Molekularbiologie und einen Doktortitel in funktioneller und struktureller Genomik an der International School of Advanced Studies (SISSA) in Triest, Italien. Während ihres Studiums arbeitete sie mit renommierten akademischen Einrichtungen zusammen, u. a. mit dem Karolinska-Institut in Stockholm, Schweden, wo sie etwa zwei Monate als Gastwissenschaftlerin verbrachte.

Nach ihrer Promotion war sie Postdoc am Internationalen Zentrum für Gentechnik in Triest, Italien. In dieser Position untersuchte sie die molekularen Auswirkungen von Proteinkinase-Inhibitoren auf verschiedene Arten von Leukämie, wobei sie sowohl die klassische Biochemie als auch die Hochdurchsatz-Transkriptomanalyse einsetzte.

Neben ihrem primären Fokus auf Biologie entwickelte sie während ihrer Forschungserfahrung ein starkes Interesse an computergestützter Biologie. Im Jahr 2020 beschloss sie, diese Leidenschaft weiter zu vertiefen und schrieb sich für den Masterstudiengang Life Science Informatics in Bonn ein. Elena schrieb ihre Masterarbeit in der Gruppe von Professor Bajorath und erhielt im April 2023 erfolgreich ihr Diplom.

Derzeit setzt sie ihre Forschungsarbeit in der Gruppe von Professor Bajorath als Research Fellow fort, mit einem primären Forschungsschwerpunkt auf medizinischer Chemie, Maschinellem Lernen und der Entwicklung von computergestützten Methoden für die Wirkstoffforschung. Daneben hat sie die Rolle des Life Science Area Coordinators am Lamarr Institut inne.

Aktuelle Forschungsthemen:

  • Systematische Untersuchung und Definition der besten Praktiken für die Kuratierung chemischer Daten, um die Zuverlässigkeit von Modellen des Maschinellen Lernens (ML) und des Deep Learning (DL) zu verbessern.
  • Beleuchtung der molekularen Merkmale, die von ML- und DL-Modellen bei Aufgaben im Zusammenhang mit der Vorhersage der Aktivität und/oder der Eigenschaften kleiner Arzneimittelmoleküle gelernt werden.
  • Erforschung der Struktur-Aktivitäts-Beziehungen von Proteinkinase-Inhibitoren, um ihre Interaktion mit Protein-Targets zu verstehen und die Entdeckung von Kinase-Medikamenten zu unterstützen.

Besondere Interessen:

Einsatz von computergestützter Datenanalyse, ML und Algorithmen der Künstlichen Intelligenz (KI) in der Arzneimittelentdeckung und verwandten biochemischen Bereichen, mit besonderem Schwerpunkt auf der Verbesserung der Interpretierbarkeit und Erklärbarkeit von Black-Box-Modellen.