Estancias de investigación científica

2. Modelado computacional asistido por IA de fluidos complejos y biomateriales

Predecir el comportamiento de fluidos complejos y materiales biológicos es uno de los problemas más difíciles en la ciencia computacional, y la inteligencia artificial está transformando la forma en que lo abordamos.

Este proyecto combina modelado numérico con aprendizaje automático para estudiar y predecir el comportamiento de fluidos complejos y sistemas dinámicos en evolución, con aplicaciones directas en el diseño de biomateriales. Desarrollarás experiencia práctica en la construcción de modelos computacionales y en el uso de técnicas asistidas por IA para optimizar sus parámetros, abordando problemas abiertos en la intersección de la física, las matemáticas aplicadas y la ciencia de materiales. Este proyecto es adecuado para estudiantes avanzados de licenciatura o inicios de posgrado interesados en ciencia computacional, física o matemáticas aplicadas.

Habilidades requeridas: Programación (Python u otros lenguajes)
Habilidades deseables: Física, simulaciones computacionales, aprendizaje automático

3. Comprensión del transporte público en ciudades mexicanas mediante datos y modelado estadístico

¿Qué tan eficiente es el transporte público en ciudades medianas de México y qué opinan realmente los usuarios?

Este proyecto utiliza un enfoque basado en datos para responder estas preguntas, empleando encuestas, modelado estadístico y herramientas de programación para evaluar el sistema de transporte en Ensenada, analizar la experiencia de los usuarios e identificar los retos estructurales que enfrenta. Posteriormente, la metodología se replica en Campeche, permitiendo comparar dinámicas de movilidad urbana entre dos ciudades distintas.

Obtendrás experiencia práctica en análisis de datos, modelado estadístico y herramientas computacionales aplicadas a un problema real con relevancia social. Este proyecto es adecuado para estudiantes de licenciatura interesados en ciencia de datos, estadística, logística, políticas públicas o modelado computacional.

Habilidades requeridas: Programación (Python o MATLAB), estadística básica
Habilidades deseables: Procesamiento de datos

4. Monitoreo bioacústico de ecosistemas basado en inteligencia artificial

Cada ecosistema tiene un sonido característico, y ese sonido cambia cuando el entorno está bajo estrés ambiental.

Este proyecto utiliza inteligencia artificial y procesamiento de señales para analizar grabaciones ambientales y detectar y clasificar especies que funcionan como indicadores de la salud del ecosistema. Construirás un sistema reproducible que automatiza la detección de especies y la evaluación de biodiversidad, combinando modelos de aprendizaje automático con extracción de características acústicas para transformar paisajes sonoros en datos ecológicos significativos.

Este proyecto es adecuado para estudiantes de licenciatura interesados en inteligencia artificial, ciencias ambientales, biología computacional o ciencia de datos.

Habilidades requeridas: Programación (Python), conocimientos básicos de machine learning
Habilidades deseables: Procesamiento de señales, redes neuronales

5. Toma de decisiones en bacterias: retroalimentación negativa en el operón (tna) de E. coli

¿Cómo toman decisiones las bacterias?

El operón tna de E. coli es un ejemplo fascinante de toma de decisiones celulares, donde las células pueden adoptar estados metabólicos completamente distintos dependiendo de su historia, una propiedad conocida como bistabilidad. Aunque se sabe que la retroalimentación positiva impulsa este comportamiento, el operón también contiene un mecanismo de retroalimentación negativa cuyo papel aún no se comprende completamente.

Este proyecto utiliza modelos matemáticos deterministas y estocásticos para investigar cómo la retroalimentación negativa influye en la estabilidad y la capacidad de respuesta del sistema. Se explorará si este mecanismo ajusta el sistema, acelera transiciones o reduce el efecto del ruido biológico.

Trabajarás en la intersección de la biología molecular, los sistemas dinámicos y el modelado computacional.

Habilidades requeridas: Ecuaciones diferenciales ordinarias (EDO), dinámica no lineal básica, programación (MATLAB, Julia, R o Python)
Habilidades deseables: Probabilidad, simulaciones numéricas, biología de sistemas

6. Diseño de terapias CAR-T más seguras mediante modelado computacional de circuitos genéticos

Las terapias CAR-T han revolucionado el tratamiento del cáncer, pero presentan un problema importante de seguridad: hasta el 90% de los pacientes experimenta síndrome de liberación de citocinas, una respuesta inmune potencialmente mortal.

Este proyecto utiliza modelado computacional para diseñar circuitos genéticos que permitan que las células CAR-T se autorregulen. Utilizando ecuaciones diferenciales ordinarias y datos reales de ensayos clínicos, simularás la dinámica de poblaciones celulares y niveles de citocinas a lo largo del tiempo.

El objetivo es identificar estrategias que mantengan la eficacia terapéutica mientras reducen efectos secundarios graves.

Habilidades requeridas: Programación (Python)
Habilidades deseables: Ecuaciones diferenciales, dinámica no lineal

7. Evolución molecular en los pinzones de Darwin: de la estructura proteica a las adaptaciones sensoriales

Los pinzones de Darwin son uno de los ejemplos más icónicos de la evolución, pero la mayor parte de lo que sabemos sobre ellos proviene del estudio de sus picos y su ecología. Lo que ocurre a nivel molecular —donde los cambios genéticos transforman la manera en que estas aves perciben y se comunican con su entorno— sigue siendo en gran medida desconocido.

Este proyecto consiste en desarrollar una herramienta analítica para detectar señales de selección positiva en genes candidatos relacionados con sistemas sensoriales. Posteriormente, estos resultados se interpretarán al mapear los sitios seleccionados sobre estructuras tridimensionales de proteínas.

El objetivo es conectar la variación en las secuencias genéticas con la función molecular y la señalización neuronal, generando hipótesis biológicamente fundamentadas sobre cómo la evolución moldea la percepción y el comportamiento desde un nivel molecular. A lo largo del proyecto, adquirirás experiencia en evolución molecular, bioinformática estructural y genómica comparativa, aplicada a uno de los sistemas modelo más importantes en biología evolutiva.

Habilidades requeridas: Conocimientos básicos de genética y biología molecular, interés en neurociencia y evolución
Habilidades deseables: Programación (Python o R), conocimientos básicos de proteínas

8. Validación de índices de riesgo cardiometabólico en población mexicana utilizando datos ENSANUT

¿Cómo podemos identificar el riesgo cardiometabólico en adultos mexicanos de manera más precisa utilizando herramientas diseñadas específicamente para esta población?

Este proyecto tiene como objetivo validar un conjunto de índices —los Índices Mexicanos de Adiposidad y los Índices Bioquímico-Antropométricos— desarrollados para este propósito. Utilizando datos poblacionales de ENSANUT, una de las encuestas nacionales de salud más importantes de México, evaluarás qué tan bien funcionan estos índices en un contexto real de salud pública y analizarás su potencial para ser utilizados a nivel nacional.

El análisis es de tipo transversal y se basa en el uso de bases de datos existentes, lo que te permitirá adquirir experiencia práctica en métodos epidemiológicos y análisis estadístico aplicado, mientras contribuyes a un esfuerzo de investigación concreto y vigente en salud pública.

Habilidades requeridas: Estadística básica, manejo básico de bases de datos
Habilidades deseables: Programación (SPSS o R), regresión logística

9. De canales iónicos a la pérdida de la visión: estudio de distrofias retinianas hereditarias a nivel celular

¿Por qué algunas personas pierden la visión de manera progresiva debido a condiciones hereditarias, y qué ocurre a nivel celular y molecular cuando esto sucede?

Este proyecto investiga las propiedades biofísicas y moleculares de las células excitables de la retina —incluyendo fotorreceptores, células bipolares y células ganglionares— y cómo las alteraciones en su funcionamiento conducen a distrofias visuales hereditarias.

A través de una combinación de técnicas de electrofisiología, biología molecular y análisis computacional, trabajarás en la caracterización de cómo defectos en canales iónicos y proteínas estructurales provocan estas enfermedades.

Este proyecto está diseñado para estudiantes avanzados de licenciatura o posgrado en biomedicina, biología, física u áreas afines, con un fuerte interés en neurobiología y en investigación con aplicaciones traslacionales.

Habilidades requeridas: Neurobiología básica, bioestadística básica
Habilidades deseables: Programación (Python o R)

10. Análisis de datos de citometría de flujo para evaluar las funciones efectoras de anticuerpos terapéuticos

Los anticuerpos monoclonales terapéuticos funcionan, en parte, reclutando células del sistema inmune para destruir sus objetivos. Sin embargo, medir qué tan eficientemente realizan esta función requiere un análisis cuidadoso de los datos.

Este proyecto se enfoca en el análisis e interpretación de datos de citometría de flujo para evaluar estas funciones efectoras mediadas por anticuerpos y determinar su potencial terapéutico.

Trabajando con conjuntos de datos reales o simulados y herramientas de visualización científica, desarrollarás habilidades analíticas y de pensamiento crítico necesarias para extraer conclusiones biológicas significativas a partir de datos inmunológicos complejos.

Este proyecto está dirigido a estudiantes avanzados de licenciatura o inicios de posgrado interesados en inmunología, biotecnología o ciencias biomédicas.

Habilidades requeridas: Análisis básico de datos
Habilidades deseables: Conocimientos básicos de biología celular o inmunología, experiencia previa con citometría de flujo o estadística

12. Del trabajo de campo a los resultados: aprendizaje en el procesamiento y aplicación de datos reales de investigación

La investigación de campo genera enormes cantidades de datos en bruto, y transformar esos datos en conocimiento científico significativo es una habilidad que requiere práctica.

Este proyecto ofrece experiencia práctica en todo el flujo de trabajo de los datos: desde la recopilación y organización de encuestas, fotografías y videos obtenidos en un sitio de estudio real, hasta su procesamiento e interpretación para construir una comprensión coherente de un contexto real.

El enfoque es descriptivo y está basado en estudios de caso concretos, lo que lo convierte en un punto de entrada ideal al trabajo de investigación científica.

Está dirigido a estudiantes de nivel medio superior y licenciatura interesados en desarrollar habilidades prácticas en manejo de datos y procesos de investigación.

Habilidades requeridas: Ciencias sociales
Habilidades deseables: No aplica