Nuestros profesionales
Dr. Mikel Hernáez Arrazola
Director del programa de Biología Computacional y Genómica Traslacional.
Jefe del Grupo de Aprendizaje Automático para Biomedicina
Experto en: Aprendizaje automático, biología computacional, teoría de la información, ómica unicelular y compresión de datos genómicos.
Dedicación preferencial: nuestro grupo desarrolla y aplica modelos de aprendizaje automático para ayudar a comprender la fisiopatología del cáncer.
Trayectoria profesional
- 2020- Director, Programa de Biología Computacional y genómica traslacional, CIMA Universidad de Navarra, España.
- 2020- Jefe de Grupo, Aprendizaje Automático para Biomedicina, CIMA Universidad de Navarra, IdiSNA, España
- 2020- Profesor Adjunto, Departamento de Genética y Bioquímica, Universidad de Navarra, España
- 2018-2019- Director ejecutivo, Iniciativa CompGen, Universidad de Illinois, EE. UU.
- 2017-2019- Director, Genómica computacional, Instituto Carl R. Woese de Biología Genómica, Universidad de Illinois, EE. UU.
- 2013-2016- Investigador posdoctoral, Universidad de Stanford, EE. UU.
- 2013- Jefe de investigación, Enigmedia, Inc, España
- 2012-2013- Profesor, Universidad de Navarra, España
- 2012- Doctor en Ingeniería Eléctrica, TECNUN Universidad de Navarra, España
- 2009- Ingeniero de Telecomunicación, TECNUN Universidad de Navarra, España
ÁREAS DE INVESTIGACIÓN
El Dr. Hernaez ha tenido una formación investigadora altamente interdisciplinar en los últimos años. Desde su formación en Teoría de la Información durante su doctorado (2009-2012), seguida de su formación en Biología Computacional durante su postdoctorado en la Universidad de Stanford (2013-2016, financiado por una beca Stanford Data Science Initiative); hasta su puesto anterior como Director de Genómica Computacional del Instituto Carl R. Woese de Biología Genómica (IGB) en la Universidad de Illinois (UIUC), EE.UU.; donde tuvo una amplia experiencia trabajando en proyectos interdisciplinarios centrados en la biología.
En 2020 regresó a España para liderar el Programa de Biología Computacional en el Centro de Investigación Médica Aplicada (CIMA) de la Universidad de Navarra. Estos puestos le han permitido desarrollar una clara experiencia en la aplicación de métodos computacionales y estadísticos para resolver problemas biológicos, como lo demuestra su participación crítica en múltiples proyectos publicados en las revistas revisadas por pares más prestigiosas (Desde 2019, el Dr. Hernaez es autor de más de 20 artículos revisados por pares en revistas de gran relevancia (D1 y Q1)).
ÁREAS DE INTERÉS
- Esclarecer el reordenamiento transcripcional en las neoplasias hematológicas mediante Machine Learning.
- Ingeniería inversa del transcriptoma del cáncer humano con aplicaciones al cáncer de próstata.
- Predecir la composición celular y la composición molecular de la unidad neurovascular mediante métodos de aprendizaje automático.
- Reducir la huella de la información genómica.
Actividad
Como docente
El Dr. Hernaez cuenta con una amplia experiencia docente. Mientras estuvo en Stanford y en la UIUC, asesoró tanto a estudiantes de máster como de licenciatura, interacciones todas ellas que dieron lugar a publicaciones en revistas de primer nivel. Además, en la UIUC, fue profesor adjunto del departamento de Ingeniería Eléctrica e Informática donde impartió ECE365 (Data Science and Engineering) y ECE398BD (Making Sense of Big data), así como varias conferencias sobre ciencia de datos biomédicos en el MEng y cursos de verano. En la Universidad de Navarra, actualmente es co-responsable del Máster en Ciencia de Datos de la Universidad de Navarra, donde imparte dos cursos y supervisa activamente a los estudiantes del máster.
Por último, ha organizado más de 10 talleres y sesiones especiales en las principales conferencias sobre Biología Computacional (ISMB; ECCB; Stanford Compression forum); y es revisor en las principales revistas de Biología Computacional (Nature Biotech., Nature Comms., Bioinformatics).
Como investigador
- Uncovering resistance mechanism to CAR-T cells via deep learning in scRNA-seq for improved therapies (iMMprove), La Caixa Foundation (CIMA, CUN, Weizmann Institute), 1M, 01/01/2025-01/01/2028, co-PI (CIMA)
- CRCNS: Deep Learning to Discover Neurovascular Disruptions in Alzheimer’s Disease, AC23_2/00016, National Institutes of Health (NIH) – ISCIII (CIMA, NYU, Mayo Clinic, Univ. of Minnesota), 1.5M, 01/09/2023-31/10/2028, PI
- Navarra European Digital Innovation Hub (IRIS), #101083411 European Commission, (ADITECH, Camara Comercio, AIN, UPNA, UNAV), 4.7M, 01/01/2023 – 31/12/2025. WP leader
- Machine Learning methods for translational biomedicine, Contrato Ramon y Cajal, Ministerio de Ciencia e Innovación. (CIMA). 01/10/2022- 01/10/2026. PI.
- Non-invasive cancer diagnosis using machine learning-based characterization of circulating tumor cells (DeepCTC). Proyectos de Transición Ecológica y Transición Digital, Ministerio de Ciencia e Innovación. (CIMA). 01/12/2022- 30/11/2024. Co-PI.
- Mecanismos para la gestión segura y eficiente de la información genómica adaptada a laboratorios clínicos: Aspectos Traslacionales. Ministerio de Ciencia e Innovación. (CIMA). 01/10/2021- 01/10/2024. 39.680 €. PI.
- Elucidating Transcriptional Rewiring on Hematological Malignancies via Computational Methods. Becas Marie S. Curie, Individual Fellows, European Research Council. (CIMA). 01/04/2020-01/04/2022. 175.000 €. PI.
- Novel Methods to Elucidate Abiraterone Resistance Mechanisms Using RNA- Seq Data and Xenograft Models from CRPC Patients. USA Department of Defense. (CIMA y Clinica Mayo (USA)). 01/05/2020-01/05/2023. 750.000 €. Co-PI.
- Quantization and Compressive Learning Methods for Omics Data. SVSF (Chan-Zuckerberg Initiative). (University of Illinois). 01/03/2018-31/08/2019. 100.000 €. PI
- Bringing digital era formats to genomic information. College of Engineering, University of Illinois, State of Illinois. (University of Illinois). 01/02/2018- 01/03/2020. 150.000 €. Co-PU
- Mayo Grand Challenge Project Mayo Clinic. Mayo Clinic. (University of Illinois). 15/08/2017- 15/08/2019. 1.438.316 €. Co-PI.
- Genomic Compression: From Information Theory to Parallel Algorithms. National Institutes of Health (NIH). IP: Olgica Milenkovic, Tsachy Weissman. (Stanford University and University of Illinois). 01/06/2015- 31/05/2018. 344.000 €. Task leader.
Reconocimientos
- 2022- Premio a la Excelencia ISO/IEC, En reconocimiento a la contribución a la Estandarización de la información Genómica.
- 2023-2027- Beca Ramón y Cajal (Early Investigator Fellowships), Ministerio de Ciencia e Innovación de España.
- 2020-2022- Beca Marie S. Curie, Consejo Europeo de Investigación.
- 2014-2016- Beca postdoctoral, Stanford Data Science Initiative (SDSI).
- 2010-2012- Beca de Doctorado, Universidad de Navarra Alumni.
- 2009-2010- Beca Tesis de Máster, Telefónica I+D (mayor operador de telecomunicaciones de España).
Más información
Organismos científicos
- Sociedad Española de Bioinformática y Biología Computacional (SEBiBC)
- Sociedad Internacional de Biología Computacional (ISCB)
- UNE (Organismo Nacional de Normalización)
Patentes
-
J Voges, M Hernaez, J Ostermann, Method for encoding and decoding of quality values of a data structure, US Patent App. 16/3f41,307
-
S Chandak, KS Tatwawadi, T Weissman, I Ochoa, M Hernaez , Systems and Methods for Compressing Genetic Sequencing Data and Uses Thereof, US Patent App. 16/545,751
Últimas publicaciones científicas
- Molecular mechanisms promoting long-term cytopenia after BCMA CAR-T therapy in Multiple Myeloma 26-jul-2024 | Revista: Blood Advances
- Single-cell transcriptional profile of CD34+ hematopoietic progenitor cells from del(5q) myelodysplastic syndromes and impact of lenalidomide 20-jun-2024 | Revista: Nature Communications