Somos el grupo de investigación
El grupo de investigación está abierto a todo tipo de colaboraciones entre investigadores/as/es, contratados/as/es predoctorales, postdoctorales y estudiantes. Actualmente colaboramos de manera regular con el mismo las siguientes personas:
 Silvia Pineda San Juan (coordinadora y profesora Ayudante Doctor en la Fac. Estudios Estadísticos de la UCM) 📖 👀 💻 💼 📬 |
 Aida Calviño (coordinadora y profesora titular en la Fac. Estudios Estadísticos de la UCM) 📖 👀 📬 |
 Javier Álvarez Liébana (coordinador, profesor Ayudante Doctor en la Fac. Estudios Estadísticos de la UCM y 🚧 de Github) 📖 👀 💻 💼 📬 |
 Melina Peressini Álvarez (inv. predoctoral en el Instituto Inv. Hospital Universitario 12 de Octubre y la Fac. Estudios Estadísticos de la UCM) 📖 👀 📬 |
 Almudena Moreno Ribera (inv. predoctoral en la Fac. Estudios Estadísticos de la UCM) 📖 👀 💻 💼 📬 |
 Mateo Paz Cabezas (bioinformático y analista de datos del Servicio de Oncología Médica del Hospital Clínico San Carlos) 📖 👀 📬 |
Júlia Guevara Figueras (estudiante de Máster) 👀 |
Pendiente de acordar cómo lo resumimos (ligado también a futuros proyectos que pidamos, y a que proyecto va cada cosa, pero creo que es importante detallarlo)
-
Artículos destacados (últimos 7 años):
- (2024) Spatially Preserved Multi-Region Transcriptomic Subtyping and Biomarkers of Chemoimmunotherapy Outcome in Extensive-Stage Small Cell Lung Cancer. Melina Peressini Álvarez, R. García-Campelo, B. Massuti, C. Martí, M. Cobo, V. Gutiérrez, M. Dómine, otros and J. Zugazagoitia. Clin. Cancer Res. 30: 3036-3049.
- (2024) Double-weighted kNN: a simple and efficient variant with embedded feature selection. Almudena Moreno-Ribera and Aida Calviño. J Market Anal.
- (2023) Mental health and drug use in college students: Should we take action?. T. Pérez, M. C. Pardo, Y. Cabellos, Melina Peressini-Álvarez, I. Ureña-Vacas, D. R. Serrano and E. González-Burgos. J. Affect. Disord. 338: 32-40.
- (2023) Machine Learning applied to omics data. Aida Calviño, Almudena Moreno-Ribera and Silvia Pineda San Juan. In: Larriba, Y. (eds) Statistical Methods at the Forefront of Biomedical Advances. Springer, Cham.
- (2023) Characterization of the tumor-infiltrating immune repertoire in muscle invasive bladder cancer. R. Benítez, K. Yu, M. Sirota, N. Malats and Silvia Pineda San Juan. Front. Immunol. Benítez R, Yu K, Sirota M, Malats N, Pineda S. Characterization of the tumor-infiltrating immune repertoire in muscle invasive bladder cancer. Front Immunol., 14:986598.
- (2021) A pan-cancer analysis of tumor-infiltrating b cell repertoires. K. Yu, A. Ravoor, N. Malats, Silvia Pineda San Juan and M. Sirota. Front. Immunol., 12, 790119–790119.
- (2021) Tumor-Infiltrating B- and T-Cell Repertoire in Pancreatic Cancer Associated With Host and Tumor Features. Silvia Pineda San Juan, E. López de Maturana, K. Yu, A. Ravoor, I. Wood, N. Malats and M. Sirota. Front. Immunol. 12:730746.
- (2019) Characterizing pre-transplant and post-transplant kidney rejection risk by B cell immune repertoire sequencing. Silvia Pineda San Juan, T.K . Sigdel, J. M. Liberto and otros. Nat. Commun. 10, 1906.
-
Tesis (co)dirigidas:
- (en proceso) «Predicción de la resistencia temprana a osimertinib en primera línea en pacientes con cáncer de pulmón no microcítico EGFR mutado empleando transcriptómica espacial» de Melina Peressini Álvarez (UCM - Hospital 12 de Octubre). Co-directora: Silvia Pineda San Juan
- (en proceso) «Association Rules for predictive purposes applied to omics data» de Almudena Moreno Ribera (UCM). Co-directoras: Aida Calviño y Silvia Pineda San Juan.
- (en proceso) «Dinámica de la recuperación de la sensibilidad al contraste tras el blanqueamiento de los fotorreceptores» de Melisa Remis González (UCM). Co-director: Javier Álvarez Liébana.
- (en proceso) «Problemas de aprendizaje automático en redes y aplicaciones» de Eduardo Martínez Tena (UCM). Co-director: Javier Álvarez Liébana.
- (2022) «Urothelial Bladder Cancer (UBC) subtypes characterization» de Raquel Benítez Dorta (CNIO - Universidad Autónoma de Madrid). Co-directora: Silvia Pineda San Juan
-
Trabajos Fin de Máster:
- (2024) Clasificación supervisada de imágenes de resonancia magnética para la detección de la enfermedad de Alzheimer. Estudiante: Elisa Caballero Testón. Directores o tutores (orden alfabético): Javier Álvarez Liébana y Aida Calviño Martínez. TFM del Máster de Bioestadística de la UCM.
- (2024) Estudio de datos inmunológicos en cáncer mediante el uso de técnicas de análisis de datos composicionales. Estudiante: Olga Fresco Garrido. Directores o tutores (orden alfabético): Javier Álvarez Liébana y Silvia Pineda San Juan. TFM del Máster de Bioestadística de la UCM.
- (2024) Clasificación de datos genéticos de alta dimensión en trasplantes de riñón . Estudiante: Júlia Guevara Figueras. Directores o tutores (orden alfabético): Javier Álvarez Liébana, Aida Calviño y Silvia Pineda San Juan. TFM del Máster de Bioestadística de la UCM.
Una de nuestras principales actividades es la programación y la creación de software estadístico en R y Python. Aunque no siempre dicho trabajo deriva en un formato publicable, aquí te dejamos algunos de los paquetes en los que hemos participado:
| Paquete / Software | Enlace oficial | Autores del grupo | Resumen | Descargas |
|---|---|---|---|---|
| goffda | Javier Álvarez Liébana | Paquete para la implementación de contrastes de bondad de ajuste en el contexto de la regresión funcional, incluidos los casos de covariable funcional y/o predictora funcional | ||
| pollspain | Javier Álvarez Liébana | Paquete para la extracción, preprocesado, análisis y estimación de encuestas electorales en España | ||
| material docente | Javier Álvarez Liébana | Códigos (Quarto) con el material docente | ||
| material docente material docente | Silvia Pineda San Juan | Gitbooks con el material docente | ||
| software artículo | Javier Álvarez Liébana | software que permite replicar los resultados planteados en el artículo «A goodness-of-fit test for functional time series with applications to diffusion processes» (pendiente de revisión) |
Además de nuestro trabajo como investigadores/as/es en nuestros centros habituales de trabajo algunas de las personas que formamos el grupo colaboramos como investigadores y/o docentes con las siguientes entidades en el ámbito de la estadística, ciencia de datos, bioinformática, bioestadísitca, biomedicina, Machine Learning y la creación de software:
- Grupo de investigación «SUNlab» del Network Science Institute de la Northeastern University (Boston).
- Grupo de investigación «Nefrología y Trasplante Renal» del Hospital Vall d'Hebron (Barcelona).
- Grupo de investigación «Sirota Lab» del Departamento de Pediatría e Instituto Bakar de Ciencias Computacionales de la Saluda de la Universidad de San Francisco (California).
- Grupo de investigación «Microambiente Tumoral e Inmunoterapia» del Hospital 12 de Octubre de Madrid.
- Grupo de investigación «Fisiopatología cardiovascular» del Centro Nacional de Investigaciones Cardiovasculares de Madrid.
- Servicio de Oncología Médica del Hospital Clínico San Carlos (Madrid).
- Unidad de investigación neurovascular del Instituto Universitario de Investigación en Neuroquímica de la UCM.
- Máster en Bioinformática y Ciencia de datos en Medicina personalizada de precisión y salud (título propio de la Escuela Nacional de Sanidad del Instituto de Salud Carlos III de Madrid). Colaboran actualmente como docentes Javier Álvarez Liébana, Almudena Moreno Ribera, Melina Peressini Álvarez y Silvia Pineda San Juan.
- Máster Universitario en Ciencias Sociales Computacionales (máster oficial de la Universidad Carlos III de Madrid). Colaboran actualmente como docentes Javier Álvarez Liébana.
- Análisis de Big Data con R (plan de formación del Ayuntamiento de Madrid). Colaboran actualmente como docentes Aida Calviño.
- Análisis y estimación de encuestas con R (plan de formación de RTVE). Colaboran actualmente como docentes/investigadores Javier Álvarez Liébana.
Estamos por aquí para aprender así que no tengas reparo en abrir un issue en cualquier punto del repositorio para preguntarnos dudas, advertirnos de errores, hacernos sugerencias o cualquier otra propuesta. Lo intentaremos atender lo más rápido posible.
Puedes encontrarnos en nuestra web o enviando un mail a [email protected].