Dr.Alex Van Dam

Vita

Ich bin wissenschaftlicher Mitarbeiter am Center for Integrative Biodiversity Discovery des Museums für Naturkunde Berlin und verfüge über einen Hintergrund in den Bereichen integrative Taxonomie, Phylogenomik und KI-gestützte Biodiscovery.

Ich habe 2013 an der UC Davis in Entomologie promoviert und anschließend ein NSF-Postdoktorandenstipendium an der Technischen Universität Dänemark absolviert, wo ich die differentielle Genexpression bei Schildläusen untersuchte und metagenomische Arbeitsabläufe entwickelte. Später wandte ich diese Ansätze auf die Genomrekonstruktion des Wegerichrüsslers mittels PacBio-HiFi-Metagenomik sowie auf phylogenomische Inferenz bei Coleoptera unter Verwendung ultrakonservierter Elemente (UCEs) an. Anschließend war ich neun Jahre lang als außerordentlicher Professor für Biologie an der Universität von Puerto Rico–Mayagüez tätig, wo ich eine unabhängige Forschungsgruppe leitete, als Hauptforscher über 700.000 US-Dollar an wettbewerbsorientierten Bundesmitteln einwarb und eine molekulare Laborinfrastruktur aufbaute, die Standard-Molekulartechniken, NGS-Bibliotheksvorbereitung (Illumina, PacBio-HMW-Extraktion, Oxford Nanopore), ONT-Sequenzierung sowie CRISPR-Cas9-Mikroinjektion für Arthropodenembryonen umfasste. Während dieser Zeit digitalisierte ich zudem die UPRM-Wirbellosen-Sammlung und machte sie über GBIF weltweit zugänglich; außerdem betreute ich vier Masterstudierende bis zum Abschluss, was dazu führte, dass die Studierenden in begutachteten Fachzeitschriften veröffentlichten.

Im Mittelpunkt meiner aktuellen Arbeit stehen zwei von mir entwickelte Open-Source-Plattformen, die sich mit der Taxonomie nicht klassifizierter und hyperdiverser „Dark Taxa“ befassen. Descriptron ist eine KI-gestützte Plattform zur Annotation von Exemplaren und zur Erfassung morphologischer Daten, die SAM2-Bildsegmentierung, Detectron2-Instanzerkennung und ein strukturiertes morphologisches Vokabular integriert, das auf Biodiversitätsontologien abgebildet ist. Dies ermöglicht eine skalierbare und reproduzierbare morphometrische Datenextraktion aus Insektenexemplaren. Das browserbasierte Begleitprogramm, der Descriptron-GBIF Annotator, unterstützt die Crowdsourcing-Annotation von GBIF-Exemplarbildern über 25 taxonomische Gruppen hinweg, ohne dass eine Installation erforderlich ist. DINOSAR v2 (DINOv3 Species Auto-Recovery) ist ein auf DINOv3 Vision Transformers basierendes Framework für kontrastives Lernen, das diskriminierende morphologische Repräsentationen über hyperdiverse Insektentaxa hinweg erlernt und Open-Set-Artenerkennung, multimodale Merkmalsregression sowie die crossmodale DNA-Bild-Alignment für die automatisierte Artenerkennung unterstützt.

Weiteres

Auszeichnungen und akademische Ehrungen

• NSF-Postdoktorandenstipendium für Biologie (2013) – wettbewerbsorientiertes nationales Stipendium, 163.601 USD

• NSF–NASA EPSCoR RII Track-4 (2023) – Projektleiter, 248.138 USD

• USDA NIFA HSI Grant (2018) – PI, 274.868 USD

• USDA RIIA (2019) – PI, 148.523 USD

• NSF XSEDE/ACCESS Rechenzeitkontingente (2015–2024) – mehrere wettbewerbsorientierte HPC-Förderzyklen