La doctora Idoia Ochoa se graduó en Ingeniería de Telecomunicaciones por Tecnun en el 2009. Tras conseguir una beca de La Caixa para cursar estudios de postgrado en Estados Unidos, se incorporó a la Universidad de Stanford donde obtuvo un máster en Ingeniería Eléctrica en 2012 y un doctorado en el mismo departamento en el 2016.

Durante este periodo también realizó prácticas en empresas como Google o Genapsys. Tras graduarse del doctorado, se incorporó a la Universidad de Illinois en Urbana-Champaign como “assistant professor’’, donde creó su propio grupo de investigación, además de ejercer docencia y dar servicio a la universidad participando en diferentes comités. Tras tres años en Urbana-Champaign, Idoia se incorporó a Tecnun en 2020 como profesora colaboradora.

¿En qué se centra su investigación?

En el desarrollo de algoritmos de compresión, con énfasis en datos biológicos y de secuenciación, y en la aplicación de métodos de machine learning en datos biomédicos, dentro del campo de la biología computacional, con el objetivo de buscar marcadores que puedan acelerar la medicina personalizada. Además, en mi investigación también aplico técnicas de procesamiento de la señal, teoría de la información, y estadística, entre otros.

Dentro de ese campo, ¿ha conseguido proyectos competitivos como investigadora principal?

Sí, he conseguido varios proyectos competitivos como investigadora principal. Por ejemplo, un proyecto para el análisis de datos ómicos concebido por el Chan Zuckerberg Initiative, de carácter internacional, así como una Ramón y Cajal (2020) y la Gipuzkoa Fellows (2020). Además, he sido recientemente galardonada con el MIT Innovators under 35 award, y poseo una patente internacional. 

¿Por qué decidió incorporarse a Tecnun?

Tanto mi marido como yo queríamos volver ‘a casa’, y surgió la oportunidad de incorporarme a Tecnun, y mi marido al Cima. Nuestra experiencia como estudiantes en la Universidad de Navarra fue muy buena, y nos pareció que sería un lugar idóneo para seguir creciendo profesionalmente y como personas.

Tanto el grupo de Electrónica y Electricidad, al que pertenezco, y el de Biología Computacional, que es mi área de investigación, son punteros en sus áreas de conocimiento, así que espero aportar al máximo con mi investigación y mi docencia. Espero también que mi incorporación sirva para seguir creciendo, obteniendo más proyectos -tanto nacionales como internacionales-, generando conocimiento a través de publicaciones y presentaciones en conferencias, y ampliando nuestras colaboraciones con el exterior, de forma que seamos más visibles de cara al exterior, y así atraer más talento.

¿Cuál es la línea de investigación sobre la que está trabajando?

Mi investigación se centra principalmente en el desarrollo de métodos computacionales para el análisis de datos genómicos, usando técnicas de ingeniería, como machine learning, statistical learning, signal processing, e information theory. La idea es facilitar y mejorar el análisis de estos datos, que están siendo cada vez más comunes, debido a su gran capacidad de avance, por ejemplo, en el campo de la medicina personalizada. Además, tengo mucha experiencia en el desarrollo de métodos de compresión para datos ómicos, con el fin de facilitar el storage de estos datos y reducir los costes asociados. 

¿Algún proyecto en concreto que esté desarrollando en la actualidad?

Un proyecto que acabamos de mandar para publicar en la revista Nature Communications, y que actualmente está en segunda revisión, presenta un nuevo método para buscar las variaciones en el ADN que aparecen en tumores, llamado MOSS. La diferencia principal con métodos propuestos con anterioridad es que podemos analizar varias muestras conjuntamente. Esto es muy importante, ya que generalmente las variaciones que aparecen en tumores tienen una frecuencia muy pequeña (y por tanto es difícil observarlas en los datos secuenciados) y es complicado diferenciarlas de errores de secuenciación. Cuando se analizan varias muestras a la vez, hay más información para poder distinguir las variaciones que realmente están presentes. El poder encontrar las variaciones genómicas en tumores es clave, ya que pueden influir en la detección temprana del cáncer, así como en el tratamiento. Por tanto, tener un conjunto de variaciones precisas es primordial y puede afectar la prognosis del paciente.