Actualizado: 22 jul
Un artículo científico sobre técnicas de análisis topológico de redes, realizado por el investigador Cenia Pedro Saa, fue publicado en la revista científica PLOS Computational Biology. Pedro Saa es experto en ingeniería metabólica, y se dedica a la optimización de bioprocesos y biosistemas, y a la reconstrucción, análisis y diseño de redes metabólicas a escala genómica. Actualmente se desempeña como profesor asistente del Departamento de Ingeniería Química y Bioprocesos UC, y en Cenia participa como investigador asociado para la línea de investigación “Aprendizaje automático basado en la física” (RL4).
El paper titulado The topology of genome-scale metabolic reconstructions unravels independent modules and high network flexibility, realizado por Pedro Saa junto a los/as investigadores/as Verónica S. Martínez, Jason Jooste, Kanupriya Tiwari, Lake-Ee Quek y Lars K. Nielsen, fue publicado por la revista científica PLOS Computational Biology, la cual se caracteriza por seleccionar investigaciones vanguardistas que desarrollen nuevos métodos computacionales, algunos basados en tecnologías de inteligencia artificial, aplicados a sistemas biológicos.
Para el ingeniero, publicar en esta revista representa una oportunidad para alcanzar una audiencia más amplia en lo que se refiere a técnicas de análisis topológico de redes: “PLOS Computational Biology es una revista de prestigio en el área de Biología Computacional, además, ellos organizan el reto internacional DREAM (Dialogue for Reverse Engineering Assessments and Methods), que busca validar los nuevos métodos computacionales que se desarrollan resolviendo una serie de desafíos y problemas con aplicaciones reales en el campo de la biología.” añade el investigador.
El paper publicado por Pedro Saa utilizó técnicas matemáticas basadas en el análisis topológico de redes, para encontrar patrones emergentes que den cuenta sobre su organización y comportamiento. “En este trabajo en particular, usamos estos patrones para enriquecer la predicción de niveles de co-expresión génica a escala global, lo que es un problema persistente y recurrente en biología. Las técnicas aquí desarrolladas constituyen una oportunidad para mejorar nuestro entendimiento y análisis de redes neuronales que nos permita, por ejemplo, optimizar su arquitectura” concluye.
