Descripción
Nos dedicamos a aplicar herramientas computacionales sobre datos de secuenciación de célula única y otros datos ómicos para responder a preguntas sobre la biología de los órganos reproductores femeninos. Nuestro principal objetivo es modelar diferentes procesos biológicos (como la regeneración, las interacciones de nicho o la formación de tumores) para contribuir a la comprensión del útero en condiciones sanas y patológicas.
El equipo construye pipelines adaptados a cada proyecto y utiliza algoritmos de aprendizaje automático para resolver cuestiones como la descripción de nuevas poblaciones y estados celulares, la identificación de cambios en la abundancia de células, la determinación de trayectorias de diferenciación y poblaciones progenitoras, la caracterización de redes moleculares célula a célula, el descubrimiento de biomarcadores de enfermedades para la predicción temprana de su aparición, el cribado de nuevas dianas farmacológicas o la potencial reutilización de fármacos preexistentes.
Descripción
Nos dedicamos a aplicar herramientas computacionales sobre datos de secuenciación de célula única y otros datos ómicos para responder a preguntas sobre la biología de los órganos reproductores femeninos. Nuestro principal objetivo es modelar diferentes procesos biológicos (como la regeneración, las interacciones de nicho o la formación de tumores) para contribuir a la comprensión del útero en condiciones sanas y patológicas.
El equipo construye pipelines adaptados a cada proyecto y utiliza algoritmos de aprendizaje automático para resolver cuestiones como la descripción de nuevas poblaciones y estados celulares, la identificación de cambios en la abundancia de células, la determinación de trayectorias de diferenciación y poblaciones progenitoras, la caracterización de redes moleculares célula a célula, el descubrimiento de biomarcadores de enfermedades para la predicción temprana de su aparición, el cribado de nuevas dianas farmacológicas o la potencial reutilización de fármacos preexistentes.
Miembros del equipo
Petr Volkov es el Director de BioIT en la Fundación Carlos Simón, donde lidera un equipo de biología computacional que apoya los trabajos de bioinformática, bioestadística y ciencia de datos dentro de la fundación.
Informático de formación, Petr obtuvo su doctorado en bioinformática en la Facultad de Medicina de la Universidad de Lund en 2016, donde investigó la función de la epigenética en la diabetes tipo 2. Tras completar su doctorado, dirigió la Unidad de Bioinformática del LUDC entre 2017 y 2019 y fue Director de Bioinformática en AstraZeneca, donde lideró un equipo de biología computacional en el descubrimiento de fármacos.
Sus principales intereses de investigación incluyen la computación de alto rendimiento, la epigenética, las tecnologías ómicas, la estadística matemática y el aprendizaje automático. Ha alcanzado un índice H de 27, contribuyendo directa o indirectamente al análisis bioinformático y bioestadístico de más de 36 artículos de investigación.
Apasionado por optimizar los flujos de trabajo en bioinformática y ciencia de datos, Petr busca potenciar la creatividad de científicos y bioinformáticos para ampliar los límites de la biología molecular, la genética y la ciencia médica. Además, disfruta creando y desarrollando equipos de biología computacional de alto rendimiento.
ResearchID: A-3971-2014
Diego Amorós, Ph.D.
Jaime Llera
Esther Tercero
Yolanda Castelló
Publicaciones más relevantes
Single-cell RNA sequencing of SARS-CoV-2 cell entry factors in the preconceptional human endometrium
Vilella F, Wang W, Moreno I, Roson B, Quake SR, Simon C.
Hum Reprod. 2021 Sep 18;36(10):2709-2719.
https://doi.org/10.1093/humrep/deab183.
PMID: 34329437; PMCID: PMC8385818.