Sobre mí
Farmacéutico de formación que programa Machine Learning para descubrimiento de fármacos y farmacogenómica. Mi perfil combina el conocimiento clínico del medicamento con la capacidad técnica para diseñar pipelines de análisis genómico, modelar interacciones gen–fármaco con redes neuronales de grafos (GNN) y construir el software que las sostiene.
Busco contribuir en equipos de I+D farmacéutico, bioinformática clínica o desarrollo computacional de fármacos, aportando una visión transversal entre biología, química y ciencia de datos. Autodidacta, en aprendizaje continuo y abierto a colaboraciones de investigación y programas de doctorado (PhD/CDT).
Competencias Técnicas
Programación & Datos Python · PyTorch · Pandas · Polars · NumPy · Scikit-learn · C++ · Bash · SQL · Git
Machine Learning & Deep Learning Redes Neuronales · GNN (GATv2) · PyTorch Geometric · DeepFM · Transformers · Multi-Task Learning · Optuna · Validación Cruzada · Focal Loss
Bioinformática & Genómica BWA-MEM · GATK · Samtools · Picard · Freebayes · VCFtools · Ensembl VEP · FastQC · FastP · Pipelines NGS
Farmacología Computacional Farmacogenómica · PharmGKB · ClinPGx · dbSNP · RDKit · Grafos moleculares · Docking Molecular · ADMET · Relación Estructura-Actividad
Ingeniería de Software & MLOps Pydantic v2 · FastAPI · pytest · ruff · CI (GitHub Actions) · Diseño tipado · APIs REST
Infraestructura GNU/Linux (Debian) · WSL · Hyprland/Sway · Quarto · uv · Git
Formación Académica
- Máster en Bioinformática — Universidad Internacional de Valencia (2025–2026)
- Grado en Farmacia — Universidad de Granada — Orientación en Farmacogenómica
- Python para Data Science — Universitat Oberta de Catalunya (300h)
- ML & Big Data aplicado a Bioinformática — Universidad de Granada (100h)
- Nanomedicamentos — Academia de Farmacia Santa María de España
Idiomas
- Castellano — Nativo
- Tamazight — Nativo
- Inglés — B2 (Competencia profesional)
Proyectos Destacados
Pharmagen — IA para Predicción Farmacogenómica
Plataforma end-to-end que integra un pipeline bioinformático completo (FASTQ → VCF → Anotación) con un modelo de Deep Learning para predecir la respuesta fenotípica de un paciente a fármacos concretos.
El proyecto evoluciona en dos frentes: v1 (prototipo de investigación, DeepFM + Transformer) que validó la hipótesis, y v2 (en curso), que migra a una arquitectura Two-Tower GATv2 de grafos y endurece el código a estándares de industria (Pydantic v2, FastAPI, CI) con un protocolo de evaluación riguroso y sin fugas de datos.
Stack: Python 3.14 · PyTorch · PyTorch Geometric (GATv2) · RDKit · Optuna · FastAPI · Pydantic v2 · BWA · Freebayes · Ensembl VEP
Durin — Software Clínico para Polifarmacia (desarrollo temprano)
Herramienta para apoyar el cuidado de pacientes geriátricos polimedicados, donde el riesgo de interacciones y efectos adversos crece de forma combinatoria con cada fármaco añadido. Ingiere la lista de medicación y el perfil clínico y busca surfacear los riesgos que merecen la atención del clínico.
Base ya construida: modelos de dominio tipados (Pydantic v2), catálogo ATC/DDD propio vía scraper, e internacionalización (ES/EN). En hoja de ruta: motor de interacciones/riesgo y capa de IA para priorizar y explicar. No es un producto médico; sin uso clínico.
Stack: Python 3.14 · Pydantic v2 · FastAPI · BeautifulSoup · Polars
Otros Repositorios
- Portfolio (este sitio) — Web bilingüe construida en Quarto sobre Debian; ver repositorio.
- dotfiles_Aderfi — Configuración de entorno Hyprland/Sway para Debian y WSL. Refleja dominio de administración Linux.
Blog
Publicaciones sobre decisiones de ingeniería, análisis de arquitecturas de deep learning y reflexiones sobre bioinformática aplicada.