4. Bioinformática y Modelado Computacional en Biociencias
Enfoque
Esta línea combina análisis de secuencias, minería de datos y modelado in silico con el fin de optimizar la interpretación de información molecular. Busca desarrollar pipelines bioinformáticos robustos, modelos predictivos y herramientas reproducibles que fortalezcan la investigación experimental y la validación de hipótesis en biociencias.
Ejes de investigación
Donde la investigación se convierte en resultados reales
Aplicaciones
Medicina Genómica
Diagnóstico Molecular
Farmacogenómica
Neurobiología y Biomedicina traslacional
Temas de investigación vigentes
Proyectos activos en biotecnología, salud y biociencias con impacto académico y tecnológico.
1.- Pipelines reproducibles para análisis metagenómico 16S: revisión bibliográfica y propuesta de estándares mínimos de calidad, validación y control de sesgos.
Descripción
El estudio revisará metodologías actuales para análisis 16S, comparando plataformas de secuenciación, métodos de filtrado, asignación taxonómica (QIIME2, Mothur, DADA2), normalización, rarefacción y métricas de diversidad. Se evaluarán fuentes de sesgo técnico (PCR, profundidad de secuenciación, contaminación, base de datos taxonómica) y criterios que influyen en la reproducibilidad de resultados.
Objetivo
Establecer lineamientos claros de control de calidad, validación y reporte estandarizado en estudios 16S, promoviendo reproducibilidad y rigor metodológico en investigaciones microbiológicas.
Participa como:
2.- Modelado estructural de proteínas y predicción funcional: revisión de herramientas computacionales aplicadas al análisis de variantes patogénicas
Descripción
El estudio analizará softwares como AlphaFold, Rosetta, I-TASSER, FoldX, PyMol y sus aplicaciones para predecir efectos de mutaciones puntuales, estabilidad, interacción proteína-proteína y alteraciones funcionales. Se revisarán casos reales donde la predicción in silico permitió explicar fenotipos clínicos o validar dianas terapéuticas.
Objetivo
Describir el estado actual del modelado estructural en investigación biomédica y cómo estas herramientas aceleran la validación de variantes con impacto clínico.
Participa como:
3.- Desarrollo de modelos predictivos in silico para descubrimiento de fármacos y péptidos terapéuticos: revisión de machine learning, docking molecular y dinámica molecular.
Descripción
La revisión abordará estrategias computacionales para cribado virtual, interacción ligando-receptor, predicción de estabilidad, modelos QSAR y dinámica molecular aplicada a diseño de péptidos antimicrobianos, anticancerígenos o antiinflamatorios. Se incluyen ejemplos donde el análisis computacional precedió y guio experimentación in vitro.
Objetivo
Explicar el aporte de métodos in silico en el diseño racional de fármacos, destacando ventajas, limitaciones y casos donde acortaron tiempos y costos de investigación.
Participa como:
4.- Variabilidad genética humana y análisis filogenómico: revisión de estudios comparativos y su aplicación en medicina de precisión y antropología molecular.
Descripción
El estudio examinará métodos de filogenia molecular, SNPs y haplogrupos en poblaciones humanas, mostrando cómo el análisis comparativo ha permitido rastrear migraciones, susceptibilidad a enfermedades e identificación de variantes poblacionales relevantes en farmacogenómica.
Objetivo
Describir cómo la variabilidad genética poblacional contribuye al entendimiento evolutivo humano y su aplicación en predicción de riesgo y respuesta terapéutica.
Participa como:
5.- Control de calidad y validación bioinformática de datos en estudios metagenómicos por secuenciación shotgun: revisión de estándares, métricas y fuentes de error técnico.
Descripción
El análisis comparará flujos bioinformáticos utilizados para metagenómica shotgun, incluyendo ensamblaje, anotación funcional, detección de contaminantes, profundidad mínima de lectura, normalización cuantitativa y métricas de robustez estadística. Se describirán errores frecuentes asociados a secuenciadores, preparación de librerías y bases de datos.
Objetivo
Proponer un marco de control de calidad y validación reproducible que prevenga conclusiones erróneas y fortalezca la credibilidad científica de estudios metagenómicos aplicados a salud, industria y ambiente.