Tecnologías médicas: Bioinformática y señales biomédicas
Programa de investigación
Jefes de grupo
Dónde estamos
Centre de Recerca en Enginyeria Biomèdica (CREB) · UPC (CREB) UPC
Webs relacionadas
Centre de Recerca en Enginyeria Biomèdica (CREB) UPC Los investigadores del grupo de Señales y Sistemas Biomédicos ofrecen soluciones a empresas, hospitales e instituciones en el desarrollo de aplicaciones tecnológicas para utilizarlas en el entorno hospitalario, incluyendo su uso en instrumentos quirúrgicos.
Objetivos científicos
- Desarrollo y validación de un conjunto de métodos de enriquecimiento funcional de datos ómicos en base a algoritmos difusivos.
- Estudio estadístico descriptivo en enfermedades raras, en colaboración con el departamento de Innovación del IRSJD dentro del marco del proyecto europeo Share4Rare.
- Se publicarán nuevos métodos para el análisis de datos principalmente en metabolómica y expresión génica. Estos métodos incluirán enriquecimiento análisis utilizando el conocimiento previo de bases de datos de anotación existentes como KEGG y Reactome. El grupo publicará una segunda versión de MAIT (la primera versión está disponible en Bioconductor). Incluyendo una plataforma online interactiva.
- Investigación sobre nuevos índices de riesgo clínico en base a bioseñales no invasivas.
Àmbit/Camp d'especialització
En la primera línea de investigación el grupo destaca en la investigación de técnicas de enriquecimiento funcional mediante técnicas difusivas con aplicaciones a experimentos con datos de diferentes tecnologías ómicas. En este sentido cabe mencionar los resultados del grupo publicados en el repositorio de código libre en bioinformática Bioconductor de los métodos de difusión en un grafo de representación de la biología en KEGG (Bioconductor - FELLA) donde se ofrece una metodología para el enriquecimiento funcional en experimentos de metabolómica. El grupo también ha publicado algoritmos de difusión normalizada (Bioconductor - diffustats) así como varias herramientas de procesado de datos, especialmente en metabolómica (como Bioconductor - MAIT, CRAN - eRah, CRAN - baitmet) o en asociación genética (b2slab - MISS).
Respecto a la segunda línea, el grupo se especializa en técnicas multivariantes y de aprendizaje automático para el análisis de grandes volúmenes de datos clínicos, biomédicos o bioquímicos. Cabe destacar el análisis de una cohorte de 1500 pacientes diagnosticados con insuficiencia cardíaca en follow-up durante 15 años, en un trabajo recientemente aceptado en el JACC: Journal of the American College of Cardiology (IF 16.8, en colaboración con Hospital Universitario Germans Trias i Pujol, Barcelona). El grupo también dispone de experiencia, capacidad técnica y de computación de alto rendimiento para el uso de algoritmos de aprendizaje profundo o Deep Learning. Cabe destacar el uso de estas técnicas para la construcción de modelos predictivos de interacción entre proteínas y compuestos a partir de modelos de redes neuronales recurrentes (Long Short Term Memory) en base a secuencias de aminoácidos y codificación de SMILES ajustados mediante TensorFlow (en colaboración con Mind The Byte S.L.).
Respecto al análisis de señales, el grupo tiene un fuerte énfasis en la investigación cardiovascular utilizando análisis de señal morfológica en electrocardiografía (ECG), estudio de secuencias RR (para la variabilidad del ritmo cardíaco, HRV) profundidad de la anestesia usando señales de electroencefalografía (EEG) entre otros. Las actividades de investigación tendrán como objetivo fortalecer las metodologías en investigación en el B2SLab en el uso de técnicas lineales, dinámica simbólica, teoría de la información, complejidad multiescala y multifractalidad.
Miembros del grupo
-
Jefe de Grupo Senior
-
Investigador
-
Giovana Elizabeth Gavidia Bovadilla
Investigador
-
Investigador
-
Técnico
-
Investigador
-
Investigador
-
Investigador pre-doc
-
Investigador
-
Ayudante de investigación
-
Ayudante de investigación
-
Investigador pre-doc
-
Técnico
Últimas publicaciones
- Rojo-López MI, Bermúdez-López M, Castro E, Farràs C, Torres G, Pamplona R, Lecube A, Valdivieso JM, Fernández E, Julve J, Castelblanco E, Alonso N, Antentas M, Barranco-Altirriba M, Perera A, Franch-Nadal J, Granado-Casas M, Mauricio D and On Behalf Of The Ilervas Project Collaborators Mediterranean Diet Is a Predictor of Progression of Subclinical Atherosclerosis in a Mediterranean Population: The ILERVAS Prospective Cohort Study. Nutrients . 16(21): .
- Rojo-López MI, Barranco-Altirriba M, Rossell J, Antentas M, Castelblanco E, Yanes O, Weber RJM, Lloyd GR, Winder C, Dunn WB, Julve J, Granado-Casas M and Mauricio D The Lipidomic Profile Is Associated with the Dietary Pattern in Subjects with and without Diabetes Mellitus from a Mediterranean Area. Nutrients . 16(12): .
- Alegria-Sala, Alba, Lopez, Daniel Marin, Casals, Lluc Canals, Fonollosa J and Macarulla, Marcel The dilemma of variables assumptions in thermal comfort calculations for educational buildings: To Simplify or Not? Journal of Building Engineering . 84: .
Tesis
-
Multiview pattern recognition methods for data visualization, embedding and clustering
- Autor
- Kanaan Izquierdo, Samir
- Organismo
- UNIVERSIDAD POLITÉCNICA DE CATALUNYA
-
Design and development of methods for paediatric tumours classification using DNA methylation profiles
- Autor
- Llano Viles, Joshua
- Organismo
- UNIVERSIDAD POLITÉCNICA DE CATALUNYA
Notícias
-
Una aplicación de aprendizaje automatizado permite mejorar la accesibilidad a la clasificación del meduloblastoma
Un equipo del Institut de Recerca Sant Joan de Déu, el Hospital Sant Joan de Déu y la Universitat Politècnica de Catalunya, crea una aplicación basada en inteligencia artificial para hacer más accesible, menos costoso y más rápida la clasificación de los subgrupos de meduloblastoma.
-
Las Ayudas a la investigación IRSJD - Carmen de Torres 2022 recaen en un proyecto de la Dra. Laia Alsina y en uno del Dr. Rafa Artuch
El Institut de Recerca Sant Joan de Déu hace público los proyectos que recibirán las Ayudas a la Investigación IRSJD - Carmen de Torres 2022.
-
La retención de talento y el fomento de la colaboración público-privada, retos del sector HealthTech
La red Xartec Salut pone sobre la mesa el debate sobre los principales desafíos del ecosistema catalán para convertirse en referente internacional en el campo de las tecnologías de la salud.