Oportunidades Públicas

Fecha de Creación	Descripción	Mentor(es)	Acciones
21/07/2025	Towards a spatially distributed environmental exposure assessment of pesticides in Chile by computer simulations Various space-based products will be utilized, primarily derived from publicly available satellite data and its processed outputs. Additionally, analytical solutions will be employed to model water flow, as well as heat and solute transport. These analytical solutions will be compared with numerical models to assess their accuracy. The study will be conducted at a national scale and represents an initial stage in the environmental assessment of areas at risk of pesticide contamination in soils and groundwater. The work is entirely computational; however, students who participate can also engage in laboratory and field activities. Keywords: agua Big data Agroquímicos acuiferos automatización modelos predictivos artículo científico Prerequisites: No prerequisites Available vacancies: 1/2 Class Code Initials: ICH ICM PhD students who will assist in mentoring for this research opportunity: Edouard Jesus Acuna Kohnenkamp This opportunity uses a Nota 1-7 evaluation method and is worth 10 credits Hacia una evaluación de exposición ambiental de pesticidas en Chile mediante simulación computacional Se emplearán diversos productos espaciales, principalmente provenientes de satélites de uso público y sus productos derivados. Además, se utilizarán soluciones analíticas para modelar el flujo de agua, así como el transporte de calor y solutos. Estas soluciones analíticas serán comparadas con modelos numéricos para evaluar su precisión. El estudio se desarrollará a escala nacional y constituye una etapa inicial en la evaluación ambiental de zonas con riesgo de contaminación por pesticidas en suelos y acuíferos. Constituye un trabajo netamente computacional, sin embargo, si el estudiante accede se pueden realizar actividades en laboratorio y terreno. Keywords: agua Big data Agroquímicos acuiferos automatización modelos predictivos artículo científico Prerrequisitos: Sin prerrequisitos Vacantes disponibles: 1/2 Siglas iniciales: ICH ICM Estudiantes de doctorado que ayudarán mentoreando en esta investigación: Edouard Jesus Acuna Kohnenkamp Tiene un método de evaluación Nota 1-7, con 10 créditos	Carlos Alberto Faundez Urbina	Ver
24/06/2026	Multimodal integration in Alzheimer's Disease through Patient Similarity Networks Patient Similarity Networks (PSNs) integrate heterogeneous data by turning each modality into a patient-by-patient similarity graph and fusing those graphs into one shared structure. The approach extends beyond omics to neuroimaging, clinical, and demographic data, yet multi-omics PSN work in Alzheimer's disease is still uncommon. In this project the student builds a PSN integration pipeline on real Alzheimer's data from ADNI, combining molecular and precomputed imaging features, and tests how the choice of distance metric, network fusion algorithm, and graph embedding shapes the patient subtypes it recovers. The goal is to find strata that single modalities miss, and to characterize them by diagnosis, APOE genotype, and cognition. Keywords: Big data Multi-Omics Graph Embedding Spectral Clustering Alzheimer's Disease Neuroimaging Dimension Reduction Prerequisites: IIC2233 IIC2433 Available vacancies: 4/4 Class Code Initials: IBM This opportunity uses a Nota 1-7 evaluation method and is worth 20 credits Integración multimodal en la enfermedad de Alzheimer mediante Patient Similarity Networks Las Patient Similarity Networks (PSN) integran datos heterogéneos convirtiendo cada modalidad en un grafo de similitud entre pacientes y fusionando esos grafos en una estructura común. El enfoque se extiende más allá de las ómicas a datos de neuroimagen, clínicos y demográficos, pero su aplicación a datos multi-ómicos en enfermedad de Alzheimer sigue siendo poco frecuente. En este proyecto, el/la estudiante construirá un pipeline de integración basado en PSN sobre datos reales de Alzheimer de ADNI, combinando características moleculares y de neuroimagen precalculadas, y evaluará cómo la elección de la métrica de distancia, el algoritmo de fusión de redes y la técnica de embedding determinan los subtipos de pacientes que se recuperan. El objetivo es identificar subgrupos que las modalidades individuales no revelan, y caracterizarlos según diagnóstico, genotipo APOE y desempeño cognitivo. Keywords: Big data Multi-Omics Graph Embedding Spectral Clustering Alzheimer's Disease Neuroimaging Dimension Reduction Prerrequisitos: IIC2233 IIC2433 Vacantes disponibles: 4/4 Siglas iniciales: IBM Tiene un método de evaluación Nota 1-7, con 20 créditos	Tomás Benjamín González Zarzar	Ver