AIomics: Aplicaciones de Técnicas de Inteligencia Artificial a Conjuntos de Datos Ómicos Para la Predicción en Cáncer
Desarrollo de técnicas avanzadas de inteligencia artificial aplicadas al análisis de datos ómicos (genómicos, proteómicos, metabolómicos) para mejorar la predicción y diagnóstico del cáncer mediante el procesamiento inteligente de grandes volúmenes de datos biológicos.
Este proyecto se centra en la aplicación de técnicas avanzadas de inteligencia artificial al análisis de conjuntos de datos ómicos para la predicción en cáncer. El objetivo principal es desarrollar metodologías computacionales innovadoras que permitan procesar e interpretar datos genómicos, proteómicos y metabolómicos de manera integrada, proporcionando herramientas predictivas más precisas para el diagnóstico y pronóstico del cáncer. El proyecto aborda los desafíos únicos que presentan los datos ómicos, incluyendo su alta dimensionalidad, heterogeneidad y complejidad, desarrollando algoritmos especializados que pueden extraer patrones significativos y biomarcadores relevantes para la oncología de precisión.
Dificultad en el análisis integrado de datos ómicos de alta dimensionalidad y complejidad para la predicción precisa en cáncer
Desarrollo de algoritmos de IA especializados que integran múltiples tipos de datos ómicos para generar modelos predictivos robustos y precisos en oncología
Algoritmos de IA optimizados para análisis de datos genómicos y proteómicos
Modelos predictivos integrados para múltiples tipos de cáncer
Identificación de nuevos biomarcadores mediante técnicas de machine learning
Plataforma computacional para análisis ómico integrado
Validación de modelos con datos clínicos reales de pacientes oncológicos
Desarrollo de infraestructura computacional
Implementación de la plataforma base para análisis de datos ómicos
2020-08-15
Algoritmos de machine learning especializados
Desarrollo de algoritmos específicos para datos genómicos y proteómicos
2021-06-30
Validación con datos clínicos
Validación de modelos predictivos con cohortes de pacientes reales
2022-10-15
Integración multi-ómica
Desarrollo de metodologías para integración de múltiples tipos de datos ómicos
2023-08-31
Proyecto financiado por la Junta de Andalucía en el marco del Programa Operativo FEDER Andalucía
Junta de Andalucía
AI-Driven Integration of Multi-Omics Data for Cancer Prediction
Nature Computational Science • 2022
Deep Learning Approaches for Genomic Data Analysis in Oncology
Bioinformatics • 2023
Machine Learning Models for Proteomics-Based Cancer Biomarker Discovery
Journal of Proteome Research • 2023
Leonardo Franco
Co-Investigador Principal
Redes Neuronales, Machine Learning, Bioinformática
Dr. Miguel Atencia
Co-Investigador Principal
Inteligencia Artificial, Análisis de Datos Biomédicos
Dra. Carmen Jiménez
Investigadora Senior
Genómica, Proteómica, Oncología Molecular
Dr. Antonio Ruiz
Investigador Postdoctoral
Bioinformática, Análisis de Datos Ómicos