Su destreza con las matemáticas la encaminó a las ciencias, y aunque lo de estudiar teleco no estaba tan claro, terminó por confirmar sus pronósticos. “Pensé que las telecomunicaciones, por el amplio rango de asignaturas que abarcan, me dejarían bastantes puertas abiertas: matemáticas, informática, electrónica, comunicaciones, teoría de la señal…”, recuerda Idoia Ochoa.
La ingeniera donostiarra acaba de ser seleccionada por la edición española de MIT Technology Review entre los jóvenes europeos menores de 35 años cuyos inventos e investigaciones están llamados a tener mayor impacto en la sociedad. En su caso, los algoritmos que desarrolla facilitan el procesamiento de datos sobre el genoma, un avance que favorece el impulso de la medicina personalizada.
Una vez concluyó sus estudios en Tecnum, Escuela de Ingenieros de la Universidad de Navarra, y animada por Pedro Crespo, que dirigió su proyecto de fin de carrera, Ochoa puso rumbo a Estados Unidos para hacer un doctorado. Becada por LaCaixa, en 2010 recaló en la Universidad de Stanford, donde se graduó en 2016 (master y Phd). En este periodo, dio a luz a su primea hija.
En enero de 2017 abrió un nuevo capítulo en los USA, en la Universidad de Illinois en Urbana-Champaignx, como assistant professor, donde pudo experimentar un modelo académico “basado en resultados, que valora el trabajo y es flexible en horarios o temas de investigación”. “Lo que esperan de ti”, añade Ochoa, “es que te conviertas en un referente en tu campo, publiques en revistas de prestigio, acudas a congresos y obtengas becas-proyectos de nivel”.
La relación con los alumnos también difería a lo que había vivido en España. “Hay homeworks semanales y menos horas lectivas. Los estudiantes trabajan más en casa. Es importante para que asimilen los conceptos progresivamente”.
En diciembre, Idoia Ochoa volvió a casa para incorporarse a Tecnum como profesora, una labor que compaginará con sus investigaciones en el campo de la genómica, tangibles en forma de algoritmos (QualComp, QVZ, GeneComp, AliCo, FaStore y SPRING son algunos de ellos). Su trabajo se basa en una solución para acabar con las imperfecciones de las tecnologías de secuenciación de próxima generación (NGS, por sus siglas en inglés).
“A medida que se secuencia a más pacientes, es posible analizar los datos y buscar biomarcadores que puedan diferenciar a ciertos grupos dentro de una misma enfermedad. Por ejemplo, tener activados ciertos genes puede ser indicativo de que un tratamiento va a ser más efectivo que otro”, explica Idoia Ochoa.
Una línea de investigación que, además de analizar datos de pacientes con cáncer y buscar marcadores gene regulatory networks, cuenta con los algoritmos de compresión como aliados para reducir de manera significativa el peso de estos archivos de información. “Facilita su storage y su transmisión. Es importante para que distintos investigadores trabajen con los mismos datos. También podemos encriptar parte del data o acceder sólo a aquellos puntos que nos interesen en ese momento, sin tener que descargar el archivo completo”.
A su vez, Idoia Ochoa trabaja en la homogenización de estos sistemas. Algunos de los algoritmos que desarrolla son parte del estándar de ISO MPEG-G –standard for the representation of genomic information-, un “esfuerzo internacional en el que participan muchas universidades y empresas”. Lo que pretenden es que todos los algoritmos creados para el análisis de estos datos usen el mismo formato.
La primera versión del estándar ya está realizada. A falta de su aprobación definitiva, compañías como Roche, Genapsys y Gaurdan Health ya han mostrado interés por los compresores desarrollados.
Estos paso adelante ayudan a analizar el genoma de cada paciente. La ingente cantidad de información ahora disponible abre un abanico de oportunidades inédito para realizar nuevas investigaciones, tratamientos y diagnósticos precoces. Se estima que, de aquí a 2025, se generarán entre dos exabytes (EB) y 40 exabytes de datos genómicos por año. Son muchos más que los que se producirán en la astronomía (un EB anual) y YouTube (entre un EB y dos EB al año), según detallan desde el equipo de Innovators Under 35 Europe.
“Big data, machine learning y, sobre todo, deep learning, han experimentado una evolución muy fuerte en los últimos años. Lo que es seguro es que se han vuelto muy populares”, señala Idoia Ochoa. La investigadora puntualiza que, si bien buena parte de la teoría que rodea a estas tecnologías no es nueva, el punto de inflexión tiene que ver con los progresos de la computación y la adquisición de datos. “Hemos podido probar muchas cosas en poco tiempo. En biología computacional y medicina personalizada, los algoritmos nos ayudarán a llegar a conclusiones encaminadas a elegir tratamientos específicos para cada persona”.
