Resumen
El centro de Investigación ARIES pertenece a la Escuela Politécnica Superior de la Universidad Nebrija de Madrid. Su actividad se centra en la docencia e investigación dentro del área de las ciencias computacionales y la ingeniería aplicada. Con ello se busca dar soporte a distintas problemáticas presentes en la Industria y a nivel de Investigación, en sectores como la Bioingeniería, la Ingeniería de Materiales, la Aeroespacial o la Marítima. Para ello se desarrollan soluciones tecnológicas relacionadas con el análisis de datos y textos, la simulación de sistemas, la creación u optimización de algoritmos y la generación de equivalentes tisulares.
Líneas de investigación
El grupo de investigación ARIES centra su investigación en soluciones tecnológicas, para resolver problemas relacionados con análisis e ingeniería de datos, predicción de resultados, generación de modelos, técnicas de biofabricación, geometrías computacionales y análisis de imagen.
- Inteligencia Artificial Aplicada en Ingeniería: aplicación práctica de la IA en ingeniería, en ámbitos como la automatización de procesos, la optimización de la cadena de suministro y la eficiencia energética.
- Inteligencia Artificial Aplicada en Marítimo: aplicación práctica de la IA en la industria marítima, en áreas como la navegación autónoma, el mantenimiento predictivo, la monitorización medioambiental y la gestión de recursos marinos.
- Modelos bioinspirados: generación y modelización de estructuras bioinspiradas, como andamios óseos u otros tejidos vivos.
- Bioinformática aplicada a las enfermedades: estudio de datos ómicos (transcriptómica, genómica, epigenómica, etc...) para encontrar las causas moleculares de enfermedades como el cáncer.
- Ciencia de datos e inferencia de datos biomédicos: estudio de big data relacionados con la medicina, como hospitalizaciones o relaciones patológicas.
- Fabricación aditiva avanzada: desarrollo de nuevas técnicas y estrategias de deposición por microextrusión para ofrecer soluciones personalizadas. Generación de G-CODEs de desarrollo propio para deposición no planar, y para la bioimpresión y andamiaje con múltiples componentes.
- Biofabricación: diseño y fabricación de equivalentes tisulares in vitro para su uso en medicina regenerativa y ensayos in vitro (fármacos, terapias avanzadas, métodos alternativos a la experimentación animal, etc.). Desarrollo de nuevos biomateriales, estrategias de fabricación y metodologías.
- Mecanobiología y microambiente celular: estudio de los cambios mecánicos y alteraciones en la matriz extracelular para comprender cómo influyen en las patogénesis y progresión de enfermedades, particularmente las pulmonares.
- Segmentación y análisis de imágenes biomédicas: detección de patrones, características y anomalías en imágenes médicas y biológicas (tejidos, células y otras estructuras biológicas). Extracción y limpieza de modelos 3D a partir de archivos DICOM.
- Modelos de transferencia tecnológica: Desarrollo e implementación de metodologías avanzadas de análisis de datos orientadas a la vigilancia tecnológica y a la normativa en el ámbito médico. Estas metodologías permitirán identificar tendencias emergentes, mapear el grado de madurez tecnológica (TRL) y evaluar de forma sistemática tanto tecnologías consolidadas en el mercado como innovaciones en fases tempranas.
Proyectos Destacados
Publicaciones
- del Barrio Cortés E., Matutano Molina C., Rodríguez-Lorenzo L., Cubo-Mateo N. (2022). Generation of Controlled Micrometric Fibers inside Printed Scaffolds Using Standard FDM 3D Printers. Polymers, 15(1), 96, doi: https://doi.org/10.3390/polym15010096.
- Katsarou A., Trasanidis N., Ponnusamy K., Kostopoulos I. V., Alvarez-Benayas J., Papaleonidopoulou F., Keren K., Sabbattini P. M. R., Feldhahn N., Papaioannou M., Hatjiharissi E., Sudbery I. M., Chaidos A., Caputo V. S., Karadimitris A. (2023). MAF functions as a pioneer transcription factor that initiates and sustains myelomagenesis. Blood Advances 7(21), doi: https://doi.org/10.1182/bloodadvances.2023009772.
- Velasco-Gallego, C., Navas De Maya, B., Matutano Molina, C., & Lazakis, I. (2023). Data-driven methodologies for the diagnosis and prognosis of marine systems: A Systematic Review. Ocean Engineering 284, doi: https://doi.org/10.1016/j.oceaneng.2023.115277.
- Banda Sánchez C., Cubo Mateo N., Saldaña L., Valdivieso A., Earl J., González Gómez I., Rodríguez-Lorenzo L. M. (2023). Selection and Optimization of a Bioink Based on PANC-1- Plasma/Alginate/Methylcellulose for Pancreatic Tumour Modelling. Polymers 15 (15), 3196, doi: https://doi.org/10.3390/polym15153196.
- Portillo Juan N., Matutano Molina C., Negro Valdecantos V (2023). Uncertainties in the application of artificial neural networks in ocean engineering. Ocean Engineering 284, doi: https://doi.org/10.1016/j.oceaneng.2023.115193.
- Matutano Molina C., Velasco-Gallego C., Portillo-Juan N., Negro Valdecanos V., Cubo-Mateo N. (2023). Geospatial Analysis of Scour in Offshore Wind Farms. Energies 16(15), doi: https://doi.org/10.3390/en16155616.
- Velasco-Gallego C, Lazakis I (2023). Mar-RUL: A remaining useful life prediction approach for fault prognostics of marine machinery. Applied Ocean Research 140, doi: https://doi.org/10.1016/j.apor.2023.103735.
- Bernadi-Forteza A., Mallon M., Velasco-Gallego C., Cubo-Mateo N. (2024). A Systematic Review on the Generation of Organic Structures through Additive Manufacturing Techniques. Polymers 16(14), 2027, doi: https://doi.org/10.3390/polym16142027.
- Velasco-Gallego C., Lazakis I., Cubo-Mateo N. (2024). Development of a Hierarchical Clustering Method for Anomaly Identification and Labelling of Marine Machinery Data. Journal of Marine Science and Engineering 12(10), 1792, doi: https://doi.org/10.3390/jmse12101792.
Proyectos
Dra. Nieves Cubo Mateo