El grupo de Biología Computacional de Tecnun es un equipo multidisciplinar, con gran experiencia en el desarrollo de algoritmos de optimización, análisis estadístico, así como métodos basados en machine learning (aprendizaje automático) y deep learning (aprendizaje automático), principalmente enfocados en cuestiones del ámbito de la salud humana a través de datos de alta resolución molecular (genómica, transcriptómica, proteómica, metabolómica, etc) y bases de datos biológicas (genómicas, farmacológicas, metabólicas, etc). Actualmente, estamos trabajando en las siguientes temáticas:

• Reprogramación metabólica en cáncer para la identificación de nuevas dianas terapéuticas y biomarcadores de respuesta.

• Oncología de precisión. Integración de silenciamiento génico a gran escala y experimentos farmacológicos para el descubrimiento de nuevos biomarcadores de efectividad de tratamientos.

• Estudio del splicing alternativo en distintos tipos de cáncer: sus alteraciones, causas y efectos.

• Influencia de la microbiota intestinal en el contexto de la salud y la nutrición.

• Desarrollo de técnicas de promiscuidad enzimática para entender mejor la interaccion entre la dieta y la microbiota intestinal

• Esquemas de compresión adaptados a diferentes datos ómicos. Miembros activos del desarrollo del estándar MPEG-G para la representación de información genómica.

• Análisis de secuenciación de ADN. Métodos para mejorar la línea germinal y la llamada de variantes somáticas.

• Inferencia de redes de regulación de genes para datos de RNA provenientes de secuenciación en bulk y single-cell.

• Aplicación de técnicas de Deep Learning para descubrir relaciones entre mutaciones y fármacos.

• Aplicación de técnicas de Deep Learning para describir mejor el efecto de los factores de splicing entre los distintos eventos producidos durante la transcripción.

Proyecto destacado