Олександр Петренко

У своїй роботі поєднує обчислювальну біологію, використання тваринних та клітинних моделей задля пошуку нових терапевтичних мішеней при хворобах печінки.

Ведучий автор опублікованих досліджень по регресії фіброзу печінки та використанню моделей машинного навчання для предикції портальної гіпертензії. Нагороджений Early Career Investigator Award від Американської асоціації досліджень хвороб печінки (AASLD).

Співзасновник ГО «Геноміка ЮА».

ORCID: 0000-0002-8586-4910

Вибрані публікації

Petrenko O, Königshofer P, Brusilovskaya K, et al. Transcriptomic signatures of progressive and regressive liver fibrosis and portal hypertension. iScience. 2024. https://doi.org/10.1016/j.isci.2024.109301 Reiniš J, Petrenko O, Simbrunner B, et al. Assessment of portal hypertension severity using machine learning models in patients with compensated cirrhosis. J Hepatol. 2023 https://doi.org/10.1016/j.jhep.2022.09.012 O. Petrenko, C. Mangana, T. Sorz et al. Deciphering of hepatic single-cell interactome in primary sclerosing cholangitis. AASLD 2023. 10.5281/zenodo.10279865.

Контакти

opetrenko@genomics.org.ua

Курси

Вступ до R та РНК-секвенування

Протягом курсу студенти поділяються на невеликі групи для стимулювання спільного навчання та отримують домашні завдання для закріплення знань та покращення навичок розв'язання проблем – однак усі сесії проводяться як спільний трек. Заохочується співпраця з одногрупниками та інструкторами, а також використання генеративних моделей для розв'язання проблем, хоча плагіат суворо заборонено. Буде надана окрема інструкція про етичне застосування генеративних моделей.

Весь зміст курсу викладається українською мовою, доповнений необхідною англійською термінологією та базовими знаннями, необхідними для ефективного використання пакетів R.

Курс завершується фінальним оцінюванням, що складається з питань з множинним вибором за змістом Модуля 2, з вимогою мінімального прохідного балу 70% для успішного завершення. Крім того, студенти беруть участь у командному проєкті з аналізу даних експресії з опублікованих наборів даних. Курс завершиться презентаціями цих проєктів та зворотним зв’язком від інструкторів.

РНК-секвенування: аналіз даних в R