Acerca del laboratorio

Líneas principales de Investigación

La Bioinformática Molecular es un área de estudio en la interfaz entre la biología molecular, la fisicoquímica, la medicina, y las ciencias de datos y de la computación. En el laboratorio se integran conceptos de todas estas disciplinas con el objetivo de responder preguntas biomédicas concretas. Las principales líneas de investigación son:

  • Genómica y Transcriptómica Clínica: desarrollo de métodos, herramientas y protocolos para el análisis masivo de datos de secuenciación (exoma, genoma y RNA-seq), con el objetivo de identificar variantes causales, biomarcadores y perfiles de expresión asociados a enfermedades genéticas.

  • Fisicoquímica Computacional: estudio de interacciones ligando–proteína y cambios conformacionales de biomoléculas mediante modelado molecular, docking, dinámica y aprendizaje automático. Estos enfoques, combinados con datos experimentales, permiten desarrollar algoritmos y protocolos para predecir afinidades, mapear estados conformacionales y descubrir compuestos con potencial terapéutico.

  • Glicoinformática: desarrollo y aplicación de herramientas para caracterizar interacciones entre glicanos y glicoproteínas, con el objetivo de comprender su rol en mecanismos moleculares vinculados a diversas enfermedades, tratamientos y condiciones fisiopatológicas.

0
Publicaciones recientes
0
Subsidios de Investigación
0
Colaboraciones Principales
0
Proyectos de Transferencia
0
Cursos, Docencia
& Divulgación

Miembros del laboratorio

Dirección

Licenciado y Doctor en Ciencias Biológicas por la Facultad de Ciencias Exactas y Naturales de la Universidad de Buenos Aires (UBA). Actualmente se desempeña como Profesor Asociado en el Departamento de Química Biológica y como Investigador Principal del Instituto de Química Biológica (IQUIBICEN, UBA–CONICET). Su investigación se centra en el desarrollo y aplicación de métodos computacionales para el estudio de sistemas biológicos a escala molecular, abordando temáticas como genómica clínica, química computacional y glicoinformática.

Ha publicado más de cien artículos en revistas internacionales de alto impacto, y ha dirigido a numerosos estudiantes de grado, de posgrado, y jóvenes investigadores. En el ámbito académico, cuenta con una extensa trayectoria docente en la UBA: es el creador o co-creador de materias clave para la formación en bioinformática, como Introducción a la Bioinformática Molecular (2011), la Escuela de Genómica Clínica (2015), Bioinformática Avanzada (2019) y Deep Learning e Inteligencia Artificial en Biología (2025).

Investigadores

Dr. Jonathan J. Zaiat

Personal de Apoyo a la Investigación y Desarrollo

Genómica Clínica para el diagnóstico de enfermedades poco frecuentes

Dr. Carlos P. Modenutti

Investigador Asistente

Diseño de fármacos para el tratamiento de enfermedades poco frecuentes

Dr. Juan Manuel Pietro

Investigador Post-Doctoral

Cambios conformacionales, interacción proteína--ligando y flexibilidad del sitio activo

Dr. Franco G. Brunello

Investigador Post-Doctoral

Interpretación de variantes genéticas en el diagnóstico molecular

Dr. Claudio D. Schuster

Investigador Post-Doctoral

Evolución de globinas, transcriptómica clínica y predicción de interacciones ligando-proteína

Estudiantes de Posgrado

Lic. Lorenzo Erra

Becario doctoral
Genómica clínica en inmunología: errores congénitos de la inmunidad

Lic. Justo F. Olmos

Becario doctoral
Métodos de Dinámica Molecular basados en Machine Learning

Lic. Jorge O. Lannot

Becario doctoral
Predicción de interacciones entre proteínas e hidratos de carbono

Lic. Gianlucca Colangelo

Becario doctoral
Algoritmos para el diagnóstico de enfermedades poco frecuentes

Lic. Juan R. Ortigosa

Becario doctoral
Dinámica molecular de glicoproteínas

Lic. Ana Rius Garrido

Becaria doctoral
Algoritmos de Genómica Clínica

Lic. Julio Franco Aguilera

Becario doctoral
Machine learning aplicado a datos transcriptómicos de cáncer de tiroides

Multiplic.AR: Multiplicando el Diagnóstico de Enfermedades Poco Frecuentes en Argentina

Las enfermedades poco frecuentes afectan entre el 5 y el 10 % de la población, en su mayoría niños. En Argentina, muchas familias soportan una “odisea diagnóstica”, esperando años por respuestas. A través de tecnologías avanzadas de secuenciación genómica, podemos brindar a las familias diagnósticos precisos que pueden llevar a opciones de tratamiento. Sin embargo, el acceso a estas tecnologías sigue siendo limitado.

Tu aporte puede marcar una diferencia

Multiplicá el impacto de la ciencia, multiplicá las respuestas para las familias que más lo necesitan. Juntos, podemos hacer que ninguna familia con una EPoF se quede sin diagnóstico. Si querés ser parte de este cambio, DONÁ hoy mismo y ayudanos a multiplicar el diagnóstico de EPoFs en Argentina.