IP1 / Coordinador — Manuel Ramírez Orellana (HUNJ)

Médico pediatra y Doctor en Medicina; Jefe de Sección en el Hospital Infantil Universitario Niño Jesús, donde dirige una estructura clínica e investigadora orientada a oncohematología pediátrica y terapias avanzadas. Ha liderado ensayos clínicos académicos, redes cooperativas y consorcios internacionales, con una trayectoria científica y gestora muy sólida (>200 publicaciones; >7.000 citas; h-index 45, según memoria). En LEUKODOMICS-CM ejerce la Dirección Médica y la coordinación global, garantizando gobernanza, alineamiento asistencial y adopción clínica de resultados (además de la jefatura del Clúster 1).

IP2 — Francisco Monroy Muñoz (UCM–IMAS12/IIS 12 de Octubre)

Catedrático de Química Física (doctor en Ciencias; formación en Química y Física) y director de la Unidad de Biofísica Traslacional IMAS12/UCM. Su perfil integra biofísica cuantitativa, mecanobiología, cromatina dinámica y sistemas fuera de equilibrio, combinando teoría/modelado con experimentación avanzada. Presenta una producción altamente competitiva (p. ej., 156 publicaciones; h-index 44; >5.000 citas) y liderazgo continuado de proyectos regionales, nacionales y europeos (financiación acumulada >3,5 M€). En el consorcio es Dirección Científica y líder del Clúster 2, asegurando coherencia físico-computacional e integración multimodal orientada a objetivos traslacionales.

IP3 — Javier Redondo Muñoz

(CIB-CSIC)

Científico Titular del CSIC en el CIB Margarita Salas; lidera un programa independiente en epigenética, arquitectura nuclear y migración celular en leucemia, conectando mecánica nuclear con regulación epigenética. La memoria destaca su producción en revistas de alto impacto (incluyendo Blood, Cancer Cell, PNAS, Oncogene), con >1.500 citas y financiación competitiva selectiva (p. ej., Ramón y Cajal, BBVA Leonardo, John Goldman Fellowship). Su aportación al consorcio refuerza la capa biológica causal: biomarcadores epigenético-mecánicos, validación funcional en modelos y enlace con la progresión/recaída.

IP4 — Carlos Torroja Fungairiño (CNIC)

Investigador senior en la Unidad de Bioinformática del CNIC (Doctor en Ciencias Biológicas), con trayectoria internacional en genómica/NGS y análisis computacional avanzado; formación en el Wellcome Trust Sanger Institute y contribuciones en revistas “top-tier” (Nature, Nature Genetics/Medicine, Science Translational Medicine, PNAS, entre otras). En la última década ha focalizado en transcriptómica, célula única y deconvolución celular, desarrollando herramientas propias basadas en aprendizaje profundo (mencionadas en la memoria). En LEUKODOMICS-CM lidera el nodo de ómicas/bioinformática (Clúster 1), habilitando integración multimodal, análisis regulatorio y conexión cuantitativa entre heterogeneidad tumoral y fenotipo funcional.

IP5 — Alberto Peláez García (ISCIII)

Científico Titular del ISCIII (Doctor en Ciencias Biológicas) y Jefe Adjunto de la Unidad de Proteómica; perfil híbrido entre investigación básica y despliegue traslacional, con énfasis en NGS, proteómica, epigenética y patología molecular. La memoria destaca su productividad reciente, liderazgo en proyectos de la AES-ISCIII y experiencia en interpretación clínica e integración de datos moleculares para validación de biomarcadores. En el consorcio aporta la proteómica funcional de alta resolución (Clúster 1), cubriendo el puente entre potencial genómico y fenotipo funcional, con infraestructura de espectrometría de masas avanzada para generar series temporales útiles para modelado/IA.

IP6 — Sebastián A. Thompson Parga (IMDEA Nanociencia)

Group Leader en IMDEA Nanociencia desde 2019 (Doctor por CUNY), con trayectoria internacional en nanotermometría, biofotónica e imagen en cáncer; la memoria subraya autonomía como IP (proyectos competitivos nacionales/europeos) y actividad de transferencia (incluida propiedad intelectual/patentes en colaboración con industria). Su contribución diferencial es introducir nanotermometría intracelular/nuclear como observable físico-funcional complementario a mecanómica y ómicas, conectable con estados metabólicos/viabilidad tumoral. En LEUKODOMICS-CM actúa como nodo del Clúster 2, aportando instrumentación y cuantificación funcional a escala subcelular para enriquecer modelos predictivos.

IP7 — José María Martínez Sánchez (UAM, VPULab)

Catedrático en la UAM y fundador/codirector del VPULab, grupo consolidado en visión por computador, análisis de vídeo y deep learning aplicado a imagen médica; la memoria resume una trayectoria robusta (p. ej., >50 artículos JCR; >6.900 citas; h-index 29) y liderazgo de proyectos competitivos/transferencia. En LEUKODOMICS-CM su rol es convertir datos de imagen (vídeos de microscopía y otros) en observables dinámicos cuantitativos: segmentación, tracking, extracción de estados y control de calidad, con estrategias de robustez (p. ej., SSL, adaptación de dominio). Es un pilar del Clúster 2 para operacionalizar la capa “físico–observacional” a gran escala.

IP8 — Diego Herráez Aguilar

(UFV, BioCompLab)

Profesor Contratado Doctor en la UFV (Doctor en Química Teórica y Simulación Computacional) y líder del grupo emergente BioCompLab desde 2020; perfil en biofísica computacional, microscopía computacional y dinámica molecular. La memoria destaca contribuciones en revistas de alto impacto (Science, Nature Communications, PNAS), actividad como IP en proyectos (incl. LEUKODOMICS-TED) y su capacidad de integración metodológica entre simulación, análisis de imagen y ML. En el consorcio aporta una interfaz técnica datos–modelo: extracción de variables de series temporales/imágenes, inferencia de estados latentes y soporte multiescala para gemelos biodigitales.

IP9 — Inmaculada Mora Jiménez (URJC)

Catedrática de Universidad y referente en procesado de señal, aprendizaje automático e IA aplicada a biomedicina; trayectoria sostenida en modelado estadístico, análisis longitudinal e IA explicable (XAI) en entornos clínicos. En LEUKODOMICS-CM la URJC es un pilar del Clúster 3 (Integración/IA/Modelado), con la responsabilidad de convertir datos mecanómicos, ómicos y de imagen en modelos predictivos interpretables y accionables clínicamente. Su valor diferencial es la robustez estadística y el diseño de modelos longitudinales que soporten estratificación funcional y apoyo cuantitativo a decisión clínica.