Machine Learning and Bioinformatics Lab
Doctor en Ciencias, mención Ingeniería Genética Vegetal, Universidad de Talca
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.
Ubicación
Campus Huechuraba, Edificio de Ciencias, Piso 5, Laboratorio de Bioinformática y Biología Computacional
Teléfono
(+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.
----------------------
Biografía
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.
----------------------
Publicaciones seleccionadas
1. Maldonado, C., Mora-Poblete, F., Echeverria, C., Baettig, R., Torres-Díaz, C., Contreras-Soto, R.I., and do Amaral Júnior, A.T., 2022, A Neural Network-Based Spectral Approach for the Assignment of Individual Trees to Genetically Differentiated Subpopulations. Remote Sens-Basel, 14(12), 2898.
2. Contreras-Soto, R.I., Rafael, D.Z., Moiana, L. D., Maldonado, C., and Mora-Poblete, F., 2022, Variation in Root-Related Traits Is Associated With Water Uptake in Lagenaria siceraria Genotypes Under Water-Deficit Conditions. Front. Plant Sci., 13.
3. Maldonado, C., Mora-Poblete, F., Contreras-Soto, R.I., Ahmar, S., Chen, J.T., do Amaral Júnior, A.T., and Scapim, C.A., 2020, Genome-wide prediction of complex traits in two outcrossing plant species through Deep Learning and Bayesian Regularized Neural Network. Front. Plant Sci., 11, 593897.
4. Maldonado, C., Mora, F., Bertagna, F.A.B., Kuki, M.C., and Scapim, C.A., 2019, SNP-and haplotype-based GWAS of flowering-related traits in maize with network-assisted gene prioritization. Agronomy, 9(11), 725.
5. Maldonado, C., Mora, F., Scapim, C.A., and Coan, M, 2019, Genome-wide haplotype-based association analysis of key traits of plant lodging and architecture of maize identifies major determinants for leaf angle: Hap LA4. PloS one, 14(3), e0212925.
Lista completa de publicaciones
