Nace en Murcia en 1992. En 2014 obtiene el Grado en Bioquímica por la Universidad de Murcia. A continuación, cursa el máster en “Biología Molecular y Biotecnología” en la Universidad de Murcia obteniendo el título de máster en el año2015. Entre 2015 y 2019 desarrolló su proyecto de tesis doctoral en el departamento de Anatomía Humana y Psicobiología de la facultad de Medicina, bajo la dirección de la Dra. María Trinidad Herrero y en el Department of Psychiatry and Neuropsychology, bajo la dirección del Dr. Harry Steinbusch, obteniendo el doble título de doctorado en 2019 por la Universidad de Murcia y la Universidad de Maastricht. Durante el periodo doctoral disfrutó de un contrato de Titulado Superior dentro del Proyecto de Investigación "Neuroprotection in neurodegenerative processes associated with Parkinsonism and aging: correlation between dopaminergic neuronal death and glial inflammatory processes". Posteriormente, desarrolló su periodo posdoctoral con una beca de la Fundación Séneca en UCL Queen Square Institute of Neurology, University College London entre los años 2020 y 2025 junto al grupo de investigación Clinical and Movement Neurosciences, en colaboración con la Dra. Mina Ryten y el Dr Huw Morris. En 2024 obtuvo un contrato Saavedra Fajardo de la Fundación Séneca para reincorporarse a unos de los centros de investigación de la Región de Murcia, siendo el destino elegido el grupo Sistemas Inteligentes y Telemática de la Universidad de Murcia donde desarrolla su proyecto investigador titulado “Approaches for multi-omics through machine learning: towards computational models of neurodegeneration” y participa en actividades docentes.
Biología molecular, celular y genética, Fisiología y Farmacología, Medicina
Departamento de Ingeniería de la Información y las Comunicaciones, Facultad de Informática, Universidad de Murcia
Las enfermedades neurodegenerativas (NDDs), como la enfermedad de Alzhéimer o la enfermedad de Párkinson, se caracterizan por la muerte neuronal progresiva en distintas áreas del cerebro. Una característica importante de estas condiciones es que los pacientes presentan una gran heterogeneidad de síntomas, impulsada por la compleja interacción de factores ambientales, moleculares y genéticos. Esta heterogeneidad representa un desafío para comprender los mecanismos implicados en su patogénesis y progresión.
El creciente número de datos ómicos disponibles, como la genómica o la proteómica, ha permitido a los investigadores identificar factores genéticos específicos que impulsan la enfermedad. Sin embargo, los estudios suelen centrarse únicamente en un solo tipo de ómica, es decir, en un único nivel de información biológico. En este proyecto proponemos desarrollar nuevas estrategias computacionales utilizando algoritmos de machine learning para integrar diferentes estudios ómicos y obtener un modelo biológico integral de las NDDs. Abordaremos los retos actuales en la gestión de datos, como los valores faltantes o la alta dimensionalidad, mediante el perfeccionamiento de métodos de selección de variables que reduzcan la complejidad y el ruido. Posteriormente, desarrollaremos un software para integrar estos conjuntos de datos ómicos, con el objetivo de construir una representación optimizada y más simple de la información.
Con nuestro modelo validado y el software desarrollado, aplicaremos este enfoque para comprender los mecanismos de la enfermedad. En concreto, esperamos identificar posibles mecanismos moleculares a través de todas las capas de información y generar un patrón ómico asociado a un trastorno neurodegenerativo. La ejecución de este proyecto supondrá beneficios importantes para la comunidad científica gracias a la disponibilidad de la herramienta integrada de análisis de datos, además de contribuir al descubrimiento de factores moleculares clave en las NDDs, acercándonos así a tratamientos más específicos y efectivos.
Department of Clinical and Movement Neurosciences, UCL Queen Square Institute of Neurology, University College London, United Kingdom
