Acá hay (Y va a haber cada vez más)

Trabajitos de pregrado para ir aprendiedo cosas: mediciones y cuentas sencillas que nos ayudan a avanzar en nuestro trabajo. Que te sirven para ir viendo si esto te gusta. Te permitan ir presentando trabajos en congresos locales (RAFA, TREFEMAC, BIOMAT, SOLABIMA) par atener antecedentes.
Propuestas concretas de trabajo final: explorar aspectos nuevos de los temas que ya estamos haciendo. Si no lo estamos haciendo a lo mejor queremos aprenderlo ;-)
Temas generales para tesis de doctorado: estas son ideas generales que tenemos que conversar un buen rato. Normalmente incluyen un poco de:
1. Modelado matemático/computacional: uso de programas en Fortran, C, Python y optimizaciones HCP (OpenMP, MPI, CUDA). Además de métodos numéricos de resolución de ecuaciones diferenciales y/o/u optimización (métodos de ajuste, redes neuronales, series temporales).
2. Comparación con experimentos propios (si, teóricos que se ensucian las manos , como Fermi!), de colaboraciones y de la literatura .
3. Física teórica: sistemas dinámicos, fenómenos críticos (transiciones de fase), teoría de juegos, redes neuronales, machine learning y ciencia de datos, procesos estocásticos, y todo lo que encontremos que sea útil aprender.

Indice por temas (mirá un resumen de estos temas acá)

Materias optativas relacionadas: Biología matemática, Introducción a la teoría de los fenómenos críticos, Fís ica computacional, Computación paralela, Ecuaciones diferenciales y métodos numéricos, Procesos estocásticos, Sistemas dinámicos, Redes neuronales, Machine Learning.

Además hay que estudiar leer: "Biología" de Curtis y Barnes (que leen los biólogos en primer año) y detalles del sistema en particular (cáncer, células, bichos varios)

Tumoresferas

Influencia de las células madre en el crecimiento de tumores

Temas generales

Simulaciones con agentes.

Optimizar, paralelizar, realizar miles de experimentos simulados para hacer estadística. Incorporar efectos detallados: terapias, senecescia, sítesis de colesterol. Obtener modelos matemáticos de modelo computacional. Comparar con experimentos.

Modelado con ecuaciones diferenciales.

Mejorar el modelo actual de tumoresferas para incluir efectos espaciales (ecuaciones en derivadas parciales) , difusion de nutrientes, efectos de terapia y tejido sano.

Siempre comparando con experimentos: crecimiento de tumoeresferas (IBYME, Baires) e irradición (Hospital San Roque, Cba) u otros datos obtenidos de colaboraciones y literatura.

Trabajos finales

Agregar influencia del medio ambiente al modelo de tumoresferas.
Agregar senescecia (que las células se vuelvan viejas) al modelo de tumoresferas.
Agregar efecto de quimio/radioterapia al modelado con ecuaciones diferenciales.
Estudiar teóricamente la transición de percolación en tumoresferas.
Programar el modelos actual (con objetos) de la tumoresferas en programcación secuancial para ganar velocidad. Utilizarlo para realizar escaleos en el problema de la transición de percolación.

Pregrado

Medir diámetros de tumoresferas a partir de fotos tomadas en el laboratorio. Esto lo hacés usando Fiji, un programa de análisis de imágenes.
Realizar ajustes de datos experimentales con el modelo de ecuaciones diferenciales. Esto dse hace con un programa en python que ya tenemos hecho. Los ajuste son muchos así que hay que hacer estadísitca sobre muchos ajustes.

Streams

Las células se desplazan formando corrientes

Temas generales

Estudiar streams como fenómeno crítico

Optimizar, paralelizar, realizar miles de experimentos simulados para hacer estadística. TRaqueo de células y análisis de trayectorias celulares.Incorporar efectos detallados: interacciones hidrodinámicas, leyes de escaleo. Obtener modelos matemáticos de modelo computacional. Comparar con experimentos.

Siempre comparando con experimentos que inspiran el trabajo: Colaboración con Pedro Lowenstein en Michigan. Este laburo es el más reciente y van a ir apareciendo cosas que todavía no me imaginé.

Trabajos finales:

Estudiar efecto de la compactación en la autoorganización del sistema.
Optimizar de python-objetos a secuencial-fortran y hacer escaleos de tamaño finito (fenómenos críticos)
Simular si una sola célula puede inducir a formar una corriente.

Pregrado:

Reconstruir trayectorias de células a partir de datos de trakeo y clasificarlas.

Codornices

Conducta en aves de corral

- Caracterización de conductas por teoría de distribuciones.
- Conductas sociales.
- Redes neuronales, filtros y wavelets.

Temas generales

Clasificar conducta en las codornices a partir de señales de acelerómetros. Estudiar grupos sociales en varias condiciones. Ver si hay conductas de tiempos cortos, periodicidad, etc. Usar redes neuronales, procesamiento digital de señales, análisis de series temporales,

Conducta en aves de corral

- Caracterización de conductas por teoría de distribuciones.
- Conductas sociales.
- Redes neuronales, filtros y wavelets.

Temas generales

Clasificar conducta en las codornices a partir de señales de acelerómetros. Estudiar grupos sociales en varias condiciones. Ver si hay conductas de tiempos cortos, periodicidad, etc. Usar redes neuronales, procesamiento digital de señales, análisis de series temporales,

Partículas autopropulsadas

Ruptura de la ley de acción y reacción

- Emergencia de patrones inesperados cuando se viola la tTrecera Ley de Newton.
- SImulaciones computacionales de sistemas sin acción-reacción.
- Redes n.

Temas generales

Clasificar conducta en las codornices a partir de señales de acelerómetros. Estudiar grupos sociales en varias condiciones. Ver si hay conductas de tiempos cortos, periodicidad, etc. Usar redes neuronales, procesamiento digital de señales, análisis de series temporales,