Machine Learning and Bioinformatics Lab
Doctor en Ciencias, mención Ingeniería Genética Vegetal, Universidad de Talca, Chile.
carlos.maldonado@umayor.cl
Desarrollo y aplicación de métodos de aprendizaje automático y bioinformática para el estudio de problemas genómicos y fenómicos en especies de interés agronómico y forestal.
Campus Huechuraba, Edificio de Ciencias, Piso 5, Laboratorio de Bioinformática y Biología Computacional
(+56) 2 2328 1323 (Asistente ejecutiva)
Nuestro laboratorio está dedicado al aprendizaje automático y la bioinformática para la investigación en genómica y fenómica. Nuestra investigación se centra en el desarrollo de modelos de sistemas biológicos a partir de grandes datos genómicos y fenómicos mediante el desarrollo y la aplicación de métodos estadísticos, bioinformáticos y de aprendizaje automático. Nuestros principales objetivos son dos: modelar procesos biológicos en especies agronómicas y forestales a partir de métodos bioinformáticos y contribuir a la investigación en genómica y fenómica. Nuestra investigación persigue estudios de, entre otros, datos genómicos, datos fenómicos, datos transcriptómicos y la integración de estos datos ómicos en estudios multiómicos. Nuestras líneas de investigación actuales incluyen:
- Identificación de regiones genéticas (SNPs y genes candidatos) asociadas a la variación de rasgos de importancia económica en especies agroforestales, como maíz, trigo y eucalipto.
- Desarrollo y aplicación de modelos para seleccionar individuos superiores en una población en etapas muy tempranas de un ciclo reproductivo en base a su información genética o fenotípica.
- Describir la interacción de genes transcritos diferencialmente en raíces y hojas de portainjerto (Lagenaria siceraria-sandía) en condiciones de sequía y su relación con el crecimiento y desarrollo del tejido aéreo y radicular.
El Ingeniero en Bioinformática y Doctor en Ciencias Carlos Maldonado trabaja actualmente en el Centro de Genómica y Bioinformática, Universidad Mayor, Huechuraba, Chile. El Dr. Maldonado comenzó investigando el uso de Machine Learning para clasificar individuos de una población en base a información genómica de marcadores moleculares SNP y SSR, en su tesis de pregrado. Durante sus estudios de doctorado, el Dr. Maldonado utilizó modelos bioinformáticos (frecuentista y Bayesianos) para buscar regiones genómicas asociadas con la variación de rasgos en el maíz tropical, donde logró identificar los principales determinantes del ángulo de la hoja, el alojamiento de la planta y el tiempo de floración a partir de SNP- y Haplotipo- Basado en GWAS. Antes de graduarse, el Dr. Maldonado colaboró en estudios de Selección Genómica basados en el alfabeto Bayesiano y modelos de Machine Learning en eucalipto y maíz. Actualmente, el Dr. Maldonado está investigando la variación en las características de las raíces asociadas con la absorción de agua en genotipos de Lagenaria siceraria en condiciones de sequía, y la interacción de genes transcritos diferencialmente en las raíces y hojas de portainjertos (Lagenaria siceraria-sandía) en condiciones de sequía y su relación con el crecimiento y desarrollo del tejido aéreo y radicular.
