Responsable d'ingénierie | Ingénierie logicielle, données & ML pour la biologie computationnelle
Docteur en informatique · biologiste computationnel & bioinformaticien autodidacte
📍 Suisse
Je suis ingénieur logiciel de formation, titulaire d'un doctorat en informatique et de masters en systèmes embarqués et en systèmes d'information. Depuis plus de dix ans, je construis des logiciels, des plateformes de données et des systèmes d'apprentissage automatique en production, dans les sciences de la vie, la santé, la supply chain et l'IoT.
Mon parcours réunit la recherche académique, la publication scientifique et l'industrie. C'est ce mélange que j'apporte : la rigueur de la recherche, alliée au pragmatisme de livrer des systèmes sur lesquels on compte chaque jour.
En chemin, j'ai mis ces compétences au service de la biologie et me suis formé moi-même à la biologie computationnelle et à la bioinformatique. Chez Debiopharm, je dirige l'équipe données & bioinformatique et je travaille concrètement sur l'analyse des essais précliniques, la découverte de biomarqueurs, la développabilité des anticorps pour nos programmes d'anticorps conjugués (ADC) et la conception d'essais de bioéquivalence par simulation.
J'aime bâtir des équipes pluridisciplinaires d'ingénieurs logiciel, d'ingénieurs en apprentissage automatique, de data scientists, de bioinformaticiens et de biologistes computationnels, où chaque discipline enrichit les autres.
Je crois à l'apprentissage continu : je contribue à des logiciels open source et je participe à des compétitions de biologie computationnelle. Au cœur de mon travail : l'exigence d'un logiciel de qualité, guidée par le goût d'un code propre et pragmatique.
Systèmes embarqués & IoT
BOLT IoT · TU Berlin · TU Eindhoven · ETH Zürich
Recherche en apprentissage automatique
Doctorat en informatique · Université de Lausanne
Ingénierie logicielle & données
GenLots · SOPHiA GENETICS
Données, IA & biologie computationnelle
Debiopharm
En plus de construire et d'exploiter nos plateformes de données et d'analyse, du référentiel central de données à nos entrepôts de données, voici les problèmes scientifiques sur lesquels mon équipe et moi travaillons chaque jour, de la conception d'anticorps jusqu'à la clinique.
Les illustrations utilisent des données d'exemple simulées.
ingénierie des protéines
Évaluation in silico de la développabilité et aide à la conception pour les programmes d'anticorps conjugués : modèles de langage protéiques, modélisation structurale et détection des modifications post-traductionnelles pour classer le risque CMC des candidats et des formats d'anticorps.
pharmacologie in vitro
Analyse des données d'essais in vitro de nos programmes : cytotoxicité dose-réponse et IC50, internalisation des anticorps et liaison à la cible, avec ajustement de courbes standardisé et contrôle qualité entre essais et CRO.
pharmacologie in vivo
Je dirige l'analyse et la visualisation des données des essais d'efficacité précliniques chez Debiopharm : harmonisation des données des CRO, calcul de l'inhibition de la croissance tumorale, de l'AUC et du volume tumoral relatif, et tableaux de bord interactifs sur des modèles murins PDX et CDX.
oncologie translationnelle
Découverte et validation de biomarqueurs transcriptomiques pour des programmes d'oncologie en phase clinique : contrôle qualité RNA-seq et effets de lot, expression différentielle, enrichissement de voies, signatures géniques par ML et représentations issues de modèles de fondation omiques.
pathologie numérique
Pipeline pour les lames entières d'immunohistochimie : découpage en tuiles et normalisation de la coloration, segmentation des noyaux par CNN et score Ki-67, comparé à une méthode classique de déconvolution des couleurs.
pharmacologie clinique
Modèles génératifs (VAE, WGAN-GP, VAE informé par la physique, copules) qui apprennent à partir d'un petit nombre de profils PK réels, avec des simulations d'essais Monte-Carlo pour tester l'erreur de type I et optimiser la taille des essais.
bioinformatique
Pipelines RNA-seq, d'appel de variants et d'ADN tumoral circulant avec scores HRD, MSI et TMB, et transferts automatisés depuis les CRO et les prestataires de séquençage vers un hub omique central, aux côtés de TCGA, CCLE et CPTAC.
Ginkgo Datapoints AbDev Competition · 2025
Prédiction de 5 propriétés de développabilité à partir de la séquence, avec des ensembles de représentations de modèles de langage protéiques (ProtT5, p-IgGen, ESM-2) et un empilement LightGBM / ridge.
Compétition →Kaggle · AIRR-ML-25
Prédiction de l'état immunitaire à partir des répertoires de récepteurs des lymphocytes T/B, avec des modèles de référence XGBoost sur k-mers et de l'apprentissage multi-instances ESM-2.
Compétition →Open source
Catalogue de modèles de fondation pour la R&D biopharmaceutique : cellule unique & génomique, séquence & structure des anticorps, conception générative, petites molécules & ADC.
GitHub →Open source
Sélection de travaux sur la modélisation de la mobilité humaine et la prédiction du prochain lieu, commencée pendant mon doctorat. Mon dépôt le plus étoilé.
GitHub →Open source
Transforme les données de précipitations ERA5 en fichiers Parquet interrogeables avec indexation géospatiale.
GitHub →Code d'articles & notes d'ingénierie
Code de mes articles SIGSPATIAL & SGX, choix technologiques fondés sur les données pour un entrepôt de données cliniques & un aide-mémoire de réglage PostgreSQL.
github.com/vaibhav90 →
Debiopharm
Debiopharm
SOPHiA GENETICS
GenLots
Distributed Object Programming Lab
ETH Zürich
BOLT IoT
National Institute of Oceanography
Un logiciel propre, testé et maintenable sur toute la stack, du firmware embarqué aux applications web et aux services de données.
Conception et construction de plateformes évolutives en production, de l'ingestion des données aux applications utilisateurs, en privilégiant la fiabilité, la performance et la maintenabilité.
Conception et mise en œuvre de référentiels de données, d'entrepôts de données et de systèmes de traitement en temps réel à l'échelle de l'entreprise.
Déploiement et gestion d'applications et d'infrastructures cloud natives et évolutives.
Construction et déploiement de pipelines et de services ML robustes, évolutifs et reproductibles.
Développement et mise en production d'applications LLM respectueuses de la confidentialité pour l'analyse et la génération de documents scientifiques.
Modèles de langage protéiques, prédicteurs de structure et modèles de fondation omiques appliqués à l'ingénierie des anticorps et à la découverte de biomarqueurs.
Plateformes fondées sur le ML pour l'analyse prédictive et statistique.
Pipelines bioinformatiques pour harmoniser et analyser les données génomiques, transcriptomiques et autres données omiques.
Évaluation de la développabilité des anticorps fondée sur la séquence et la structure pour les programmes ADC.
Analyse des essais in vitro et précliniques, études de pharmacocinétique et simulation pour la conception d'essais cliniques.
Soutien à la recherche sur les petites molécules et les linker-payloads par l'analyse de données et la modélisation moléculaire.
Plateformes et stratégies pour identifier et valider de nouveaux biomarqueurs à partir de jeux de données complexes.
Conception et gestion de systèmes de tests de non-régression et de performance pour des pipelines de données critiques.
Automatisation DevOps pour la conformité GxP, la qualification d'infrastructure et les audits de sécurité.
Spécifications formelles pour vérifier la correction logique et la fiabilité de systèmes de données complexes.
Direction d'équipes d'ingénieurs données, de bioinformaticiens et de développeurs logiciels.
Définition de la vision technique des plateformes d'IA et de données en environnement de R&D.
Évaluation des stacks technologiques et des stratégies ML de start-up de la santé en vue d'investissements.
Université de Lausanne - Département des systèmes d'information
novembre 2015 – août 2019
Thèse : systèmes d'information pour un apprentissage automatique respectueux de la vie privée
ETH Zürich & Eindhoven University of Technology
août 2014 – août 2015
Mémoire de master à l'ETH Zurich · Diplômé cum laude
Technische Universität Berlin
février 2013 – août 2014
Diplômé avec mention
V. Kulkarni, B. Garbinato
ACM SIGSPATIAL - AI and Deep Learning for Geographic Knowledge Discovery, 2017
PDF →V. Kulkarni, A. Mahalunkar, B. Garbinato, J. D. Kelleher
Entropy, 2019
PDF →V. Kulkarni, N. Tagasovska, T. Vatter, B. Garbinato
Neural Information Processing Systems Workshop on spatiotemporal modeling, 2018
Prépublication →V. Kulkarni*, A. Moro*, B. Garbinato (*co-premiers auteurs)
ACM SIGSPATIAL Workshop on GeoStreaming, 2016
PDF →D. Naous, V. Kulkarni, C. Legner, B. Garbinato
International Conference on Information Systems (ICIS), 2019
PDF →V. Kulkarni, B. Chapuis, B. Garbinato
ACM SenSys Workshop on Human-centered Sensing, Networking, and Systems, 2017
PDF →V. Kulkarni, B. Garbinato
Advances in Geographic Information Systems (ACM SIGSPATIAL), 2019
PDF →B. Chapuis, A. Moro, V. Kulkarni, B. Garbinato
ACM SIGSPATIAL Workshop on Mobile Geographic Information Systems, 2016
PDF →V. Kulkarni, A. Mahalunkar, B. Garbinato, J. D. Kelleher
28th International Conference on Artificial Neural Networks (ICANN), 2019
PDF →V. Kulkarni, A. Moro, B. Chapuis, B. Garbinato
Advances in Geographic Information Systems (ACM SIGSPATIAL), 2017
Prépublication →A. Moro, V. Kulkarni, P. Ghiringhelli, B. Chapuis, K. Huguenin, B. Garbinato
Advances in Geographic Information Systems (ACM SIGSPATIAL), 2019
PDF →A. Hithnawi, V. Kulkarni, S. Li, H. Shafagh
ACM MobiCom workshop in Software Radio Implementation Forum (SRIF), 2016
PDF →V. Kulkarni, A. Moro, B. Chapuis, B. Garbinato
IEEE Conference On Trust, Security & Privacy In Computing & Communications, 2018
Prépublication →V. Kulkarni, A. Moro, B. Garbinato
ACM Conference on Mobile Computing and Networking (MobiCom) (Poster), 2016
PDF →