El Club de Ciencias Computacionales y Matemática Aplicada (C3MA) de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA) tiene el agrado de invitar a toda la comunidad académica y profesional a una Jornada de divulgación científica a ser realizada el miércoles 4 de septiembre del corriente según el cronograma que se detalla a continuación.

El Club de Ciencias Computacionales y Matemática Aplicada (C3MA) es una iniciativa dirigida a estudiantes de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA) con un interés marcado en el aprendizaje, estudio e investigación de ciencias computacionales y/o matemática aplicada. Su objetivo principal radica en potenciar el desarrollo de habilidades complementarias en estas áreas, permitiendo a sus miembros explorar nuevos campos de estas ramas de estudio con una formación encaminada al desarrollo y colaboración activa en proyectos de investigación con un fuerte componente matemático y/o computacional, promoviendo así una participación temprana en la investigación científica.

La  Jornada de Divulgación Científica seguirá el siguiente cronograma de actividades:

• 17:00 hs: Visita Guiada a los Laboratorios del LME de la FIUNA. Campus de la UNA, San Lorenzo
  Se ofrecerá un recorrido por los Laboratorios de Mecánica y Energía de la FIUNA, donde se mostrarán proyectos en curso, el túnel de viento, el laboratorio de combustión, los detectores de muones y las estaciones de calidad del aire.
• 18:00 hs: Presentación del C3MA
  Introducción al Club de Ciencias Computacionales y Matemática Aplicada, sus objetivos, actividades y oportunidades de participación para los estudiantes interesados en la investigación científica.
• 18:20 hs: Seminario «Machine Learning Aplicado a Biomedicina». Auditorio de la FIUNA, campus de la UNA, San Lorenzo.
  El Dr. Alberto Paccanaro, experto en aprendizaje automático, presentará aplicaciones avanzadas de machine learning en biología, medicina y farmacología.

Alberto Paccanaro es Profesor Titular en la Escola de Matemática Aplicada (EMAp) de la Fundação Getulio Vargas (FGV) en Río de Janeiro y en el Departamento de Ciencias de la Computación en Royal Holloway, Universidad de Londres. Realizó sus estudios de pregrado en Ciencias de la Computación en la Universidad de Milán y obtuvo su doctorado en la Universidad de Toronto en 2002, especializándose en aprendizaje automático bajo la supervisión de Geoffrey Hinton. Entre 2002 y 2006, fue investigador postdoctoral en los laboratorios de Mansoor Saqi en Queen Mary University of London y de Mark Gerstein en Yale University. En 2006, se unió como profesor a Royal Holloway, Universidad de Londres, donde fundó su laboratorio de investigación (www.paccanarolab.org). En 2014, fue nombrado Profesor Titular de Aprendizaje Automático y Biología Computacional, y Director del Centro de Biología de Sistemas y Sintética en la misma universidad. Ha sido profesor visitante en instituciones como Cornell, Yale, la Universidad de Venecia y la Universidad Católica de Asunción en Paraguay. Alberto Paccanaro es responsable de diversas colaboraciones internacionales y co-dirige proyectos de investigación junto con académicos de Yale, Cornell y la Liverpool School of Tropical Medicine. Sus intereses de investigación se centran en el desarrollo de algoritmos de aprendizaje automático para resolver problemas en biología molecular, medicina y farmacología.

Resumen del Seminario

Una célula se considera como un conjunto de redes complejas de biomoléculas que interactúan entre sí, y la enfermedad se entiende como el resultado de interacciones anormales dentro de estas redes. En esta charla, se presentan enfoques de aprendizaje automático desarrollados para resolver diferentes problemas en biología, medicina y farmacología, los cuales se expresan en términos de inferencia en redes a gran escala.

Se comienza presentando un nuevo enfoque que combina ideas de la factorización de matrices y la medicina de redes para predecir qué fármacos existentes se pueden reutilizar contra enfermedades virales específicas, un problema conocido como la reutilización de fármacos. Este método es el primero que puede predecir antivirales centrados en el huésped. Las predicciones no dependen de asociaciones conocidas entre fármacos y virus, y se pueden aplicar a nuevas enfermedades virales y nuevos fármacos.

A continuación, se presenta un enfoque de aprendizaje automático basado en la factorización de matrices y redes neuronales que predice efectos secundarios causados por combinaciones de fármacos. Este método se considera actualmente la técnica más avanzada para predecir efectos secundarios en combinaciones de fármacos para las cuales no se conocen efectos secundarios previos.

Finalmente, se presenta un trabajo reciente en el que se han aplicado modelos de aprendizaje profundo basados en transformadores para aprender distribuciones complejas de secuencias de aminoácidos, de manera similar a cómo los Modelos de Lenguaje Natural modelan la distribución de secuencias de palabras. En particular, se muestra cómo se afinan estos modelos para familias específicas de enzimas y cómo se generan enzimas que tienen prácticamente la misma estructura que las enzimas naturales, pero cuya composición de aminoácidos es muy diferente. Estas nuevas enzimas, aunque conservan la función enzimática de sus contrapartes naturales, pueden tener propiedades físico-químicas diferentes, lo que permite su uso en procesos industriales donde sería inviable utilizar enzimas naturales. Este trabajo se realiza en colaboración con el laboratorio del Prof. Giorgio Valentini en la Universidad de Milán.

¿Por qué asistir al Seminario?

• Conocimiento de Vanguardia: Adquirir conocimientos sobre las últimas técnicas de Machine Learning aplicadas en campos interdisciplinarios.
• Networking Académico y Profesional: Conectar con profesionales y académicos con intereses similares, incluyendo la posibilidad de interactuar con el Dr. Diego Galeano, quien también investiga en esta línea en la FIUNA.
• Realizar estudios de Posgrado en la Fundação Getulio Vargas (FGV) en Río de Janeiro o en el Departamento de Ciencias de la Computación de la Royal Holloway.
• Inspiración para Nuevos Proyectos: Obtener ideas y motivación para posibles proyectos de investigación y desarrollo en tu área de interés.

Este seminario es una excelente oportunidad para estudiantes, investigadores y profesionales interesados en el uso de la inteligencia artificial y el Machine Learning en biología y medicina. ¡No te lo pierdas!