Nuestro grupo tiene como objetivo transformar los datos moleculares a gran escala en conocimiento biomédico aplicable. Para ello, desarrollamos y aplicamos herramientas computacionales que permiten modelar sistemas biológicos complejos, con un foco especial en comprender cómo las células responden a perturbaciones terapéuticas, procesan señales ambientales y se comunican con su entorno.
Para ello, generamos y analizamos datos multi-ómicos, que integramos con bases de datos y conocimiento biológico estructurado para identificar mecanismos, formular hipótesis contrastables y construir modelos predictivos. Estos modelos buscan orientar tanto la investigación traslacional como la toma de decisiones terapéuticas.
Más información en: https://garridolab.org
Líneas de Investigación
El componente experimental de nuestro grupo se basa en flujos de trabajo escalables de proteómica y fosfoproteómica mediante LC-MS/MS. Estos enfoques permiten caracterizar el estado molecular de muestras biológicas tanto en condiciones basales como en respuesta a diferentes perturbaciones, proporcionando información cuantitativa sobre las vías de señalización, los estados celulares y las respuestas moleculares inducidas por los tratamientos.
Desarrollamos y aplicamos métodos computacionales para extraer hipótesis accionables a partir de datos ómicos. Para ello, integramos mediciones moleculares a gran escala con conocimiento biológico estructurado, como vías metabólicas y de señalización, redes reguladoras y anotaciones funcionales. Esta integración mejora la interpretación biológica de los datos y facilita la priorización de hipótesis para su validación experimental. Nuestra experiencia abarca múltiples capas moleculares, entre ellas la genómica, la transcriptómica, la proteómica, la fosfoproteómica y la metabolómica. Además, desarrollamos metodologías que integran estas capas para obtener una visión más completa de los sistemas biológicos y de los mecanismos que subyacen a la enfermedad.
Nuestro objetivo a largo plazo es desarrollar modelos computacionales precisos, escalables e interpretables capaces de simular perturbaciones en sistemas biológicos. Mediante enfoques de inteligencia artificial, buscamos aprovechar el creciente volumen de datos sobre perturbaciones para predecir cómo responden las células y los tejidos a fármacos, alteraciones genéticas y cambios ambientales. Estos modelos están diseñados para impulsar el descubrimiento de mecanismos biológicos, orientar el diseño experimental y contribuir al desarrollo de estrategias traslacionales y terapéuticas más precisas.
Palabras Clave
- Biología de Sistemas
- Biología Computacional
- Bioinformática
- Datos Multi-ómicos
- Proteómica
- Señalización Celular.
