Investigadora Saavedra Fajardo · Universidad de Murcia
Machine learning y bioinformática para entender las enfermedades neurodegenerativas
Investigo en la Universidad de Murcia integrando datos genéticos, clínicos y transcriptómicos para descifrar la enfermedad de Parkinson. Doctora con mención internacional (cum laude) por Murcia y Maastricht, con experiencia postdoctoral en el University College London (UCL) y en consorcios internacionales. Busco mentes curiosas que quieran investigar conmigo.
Lo último del grupo: logros, prensa y novedades.
¡Enhorabuena! David Palomino y Pedro Andrés Cortés han defendido su Trabajo Fin de Máster esta semana obteniendo sobresaliente. Conoce sus proyectos en su bio →
Entrevista sobre cómo la inteligencia artificial ayuda a entender el Parkinson y la demencia por cuerpos de Lewy. Escuchar →
Nuevo preprint en medRxiv: «Parkinson's Disease motor and non-motor progression models emerge», sobre modelos de progresión motora y no motora en la enfermedad de Parkinson. Leer el preprint →
«Inteligencia artificial para entender qué falla en el cerebro»: reportaje sobre nuestra investigación. Leer →
Nuevo proyecto financiado por The Michael J. Fox Foundation: machine learning para predecir la patología por cuerpos de Lewy. Ver proyecto →
Mis principales áreas de trabajo en machine learning, genómica y neurodegeneración.
Desarrollo y aplicación de nuevas técnicas computacionales para identificar asociaciones entre variantes genéticas y fenotipos clínicos, integrando conocimiento biológico, clínico y computacional.
Ver ficha del proyecto →Próximo proyecto en camino
Modelos de machine learning multimodal sobre datos de cerebro post-mortem (RNA-seq, clínica y patología) para distinguir el Parkinson de la enfermedad por cuerpos de Lewy e identificar los genes y tipos celulares implicados.
Ver proyecto completo →Definición y diagnóstico de trastornos neurodegenerativos del movimiento mediante el análisis integrado de genética y neuropatología. Creación de una base de datos integrada a partir de ocho bancos de cerebros del Reino Unido.
Estudio del efecto de fármacos antiinflamatorios y antioxidantes sobre la neurodegeneración y la activación glial en modelos murinos de Parkinsonismo, y de la relación entre inflamación intestinal y muerte neuronal dopaminérgica.
Personas a las que dirijo y con las que colaboro en mis proyectos de investigación.
PCEstudiante de Máster en Bioinformática
Graduado en Bioquímica (UMU). Desarrolla un modelo predictivo para evaluar la alfa-sinucleína como predictor de la reclasificación diagnóstica en la enfermedad de Parkinson, usando datos del PPMI con R y Python.
DPEstudiante de Máster en Bioinformática
Graduado en Biología (Universidad de Córdoba). En su TFM caracteriza la enfermedad de Parkinson analizando datos clínicos, genéticos y moleculares de la cohorte PPMI, con modelos de clasificación e inteligencia artificial explicable para estudiar el biomarcador αSyn-SAA.
NEInvestigador contratado
Investigador contratado en el proyecto financiado por The Michael J. Fox Foundation, sobre machine learning para predecir la patología por cuerpos de Lewy.
JÑEstudiante de doctorado
Doctorando que colabora en el proyecto sobre machine learning y patología por cuerpos de Lewy.
Si te apasionan la bioinformática, el machine learning o la neurociencia, hay sitio para ti. Ofrezco TFG, TFM, prácticas y tesis doctorales en un entorno internacional y multidisciplinar.
Escríbeme y colaboremos → Respondo a todos los correos. Cuéntame qué te interesa.Selección de artículos y preprints. El listado completo y actualizado está en mi Google Scholar.
Wu, L. Y., du Toit, T., Georgiades, T., et al., Gil-Martínez, A.-L., Morris, H. R. (2026). Pathology and genetics in a global cohort of Parkinsonian disorders. JAMA Neurology.
Ñiguez, J., Guillén, A., Rocamora, G., …, Gil-Martínez, A.-L. (2026). Parkinson's Disease motor and non-motor progression models emerge from pathway-level transcriptomics. medRxiv.
Orrú, C. D., Vaughan, D. P., Vijiaratnam, N., et al., Gil-Martínez, A.-L. (2025). Diagnostic and prognostic value of α-synuclein seed amplification assay kinetic measures in Parkinson's disease: a longitudinal cohort study. The Lancet Neurology, 24(7), 580–590.
Garcia-Ruiz, S., Zhang, D., Gustavsson, E. K., et al., Ryten, M. (2025). Splicing accuracy varies across human introns, tissues, age and disease. Nature Communications, 16(1), 1068.
Gil-Martínez, A.-L., Fairbrother-Browne, A., Real, R., et al. (2025). Leveraging blood RNA expression to understand Parkinson's disease heterogeneity and progression. medRxiv.
Pardo, J. A., Bernal, T., Ñiguez, J., et al. (2025). MLASDO: a software tool to detect and explain clinical and omics inconsistencies applied to the Parkinson's Progression Markers Initiative cohort. arXiv.
Hicks, A. R., Reynolds, R. H., O'Callaghan, B., Garcia-Ruiz, S., Gil-Martínez, A.-L., Botía, J., Plun-Favreau, H., Ryten, M. (2023). The non-specific lethal complex regulates genes and pathways genetically linked to Parkinson's disease. Brain, 146(12), 4974.
Garcia-Ruiz, S., Gil-Martínez, A.-L., Cisterna, A., et al., Botía, J. (2021). CoExp: A web tool for the exploitation of co-expression networks. Frontiers in Genetics, 12, 630187.
Gil-Martínez, A.-L., Cuenca-Bermejo, L., Gonzalez-Cuello, A., Sanchez-Rodrigo, C., Parrado, A., Vyas, S., Fernandez-Villalba, E. (2020). Identification of differentially expressed genes profiles in a combined mouse model of Parkinsonism and colitis. Scientific Reports, 10(1), 13147.
Compagino la investigación con la docencia universitaria en bioinformática y ciencia de datos.
Fundamentos y aplicación de algoritmos de aprendizaje automático a datos biológicos y biomédicos.
Primeros pasos en el análisis de datos y su papel dentro de la inteligencia artificial.
Programación orientada al tratamiento, análisis y visualización de datos.
¿Te interesa hacer tu TFG o TFM en machine learning y ciencia de datos? Hay sitio para mentes curiosas.
Hablemos →¿Te interesa colaborar o quieres hacer tu TFM o tesis en bioinformática y neurodegeneración? Escríbeme.