Ordenadores

Actualmente la Unidad cuenta estaciones de trabajo aptas para el calculo numérico intensivo con altas prestaciones (un servidor Hewlett Packard Z600 y una estación de trabajo con 10 núcleos, 128GB de memoria RAM y tarjeta grafica NVIDIA GTX 1080 Ti de 11GB, apta para cálculo basado en GPU).

Almacenamiento

La Unidad posee instalaciones de almacenamiento hasta 80 TB lo que la hace especialmente apta para el procesamientos de grandes cantidades de datos bioinformáticos, especialmente los obtenidos en secuenciadores de próxima generación (NGS).

• Análisis de series temporales de sistemas biofísicos

• Análisis masivo de registros neurofisiológicos multimodales (EEG, EKG, PIC, etc.)

• Análisis por medio de la teoría de caos en registros telemétricos de actividad y temperatura corporal en modelos animales (hámster, ratas, etc.)
• Análisis de series temporales de “spikes” provenientes de registros extracelulares de multielectrodos. Código neuronal

• Análisis y clasificación de imágenes celulares usando métodos de multi-fractalidad
• Modelos biofísicos de comunicación celular por medio de gap-junctions
• Modelización biofísica de tejidos excitables
• Uso de teoría de redes complejas para el estudio de registros fisiológicos humanos

• Desarrollo de métodos de análisis de series temporales basadas en la teoría de caos
• Implementación de técnicas de machine learning
• Desarrollo de algoritmos para la normalización de los datos en el análisis de expresión de miRNAs

• Desarrollo de programas para el análisis de microarrays de metilación del DNA

• Análisis de datos provenientes de secuenciación masiva, en concreto programas de control de calidad.
• Métodos de visualización de redes complejas

• Manejo de diversos lenguajes de programación (R, fortran, python, shell scripting, etc.) y sistemas operativos (Windows, Unix)
• Diversas técnicas de data minning

Publicaciones representativas en distintas áreas temáticas:

Monitorización no invasiva de la presión intracraneal

• Sanz-Garcia et al. (2018) Identifying causal relationships between EEG activity and intracranial pressure levels in neurocritical care patients. J Neural Eng.

Epilepsia

• Sanz-Garcia et al. (2017) Towards Operational Definition of Postictal Stage: Spectral Entropy as a Marker of Seizure Ending. Entropy. 19:81.
• Sanz-Garcia et al. (2016) Network Analysis of Foramen Ovale Electrode Recordings in Drug-resistant Temporal Lobe Epilepsy Patients. J. Vis. Exp. 118:e54746.
• Vega-Zelaya L et al. (2016) Assessing the equivalence between etomidate and seizure network dynamics in temporal lobe epilepsy. Clin Neurophysiol. 127:169-178.
• Vega-Zelaya L et al. (2015) Disrupted Ipsilateral Network Connectivity in Temporal Lobe Epilepsy. PLoS One. 10:e0140859.
• Palmigiano A et al. (2012) Stability of Synchronization Clusters and Seizurability in Temporal Lobe Epilepsy. PLoS One 7:e41799.
• Ortega GJ et al. (2011) Impaired mesial synchronization in temporal lobe epilepsy. Clin Neurophysiol. 122:1106-1116
• Ortega GJ et al. (2008) Synchronization clusters of interictal activity in the lateral temporal cortex of epileptic patients: Intraoperative electrocorticographic analysis. Epilepsia 49:269-280

Epigenetics

• Ovejero-Benito et al. (2018) Epigenetic biomarkers associated with anti-TNF drugs response in moderate-to-severe psoriasis. Br J Dermatol. 178:798-800.

miRNAs

• Martínez-Hernández et al. (2018) A microRNA signature for evaluation of risk and severity of Autoimmune Thyroid Diseases. J Clin Endocrinol Metab. 103:1139-1150.

Análisis de series temporales de registros extracelulares de multielectrodos

• Ortega GJ et al. (2004) Conditioned Spikes: A simple and fast method to represent rates and temporal patterns in multielectrode recordings. J of Neurosci Methods 133:135-141.

Análisis y clasificación de imágenes celulares usando métodos de multi-fractalidad

• Fernandez E et al. (1999) Are Neurons Multifractals? J Neurosci Methods 89:151.

Modelos biofísicos

• Boschi CD et al (2001) Triggering synchronized oscillations through arbitrarily weak diversity in close-to-threshold excitable media. Phys Rev E 63:12901
  Andreu E et al. (2000) Role of Architecture in Determining Passive Electrical Properties in Gap-Junction Connected Cells. Pflügers Arch – Eur J Physiol 439:789-97

Desarrollo de métodos de análisis de series temporales basadas en la teoría de caos

• Ortega G et al. (1998) Smoothness Implies Determinism in Time Series: A Measure Based Approach. Phys Rev Lett 81:4345.