
Claudia Balderas
Investigadora en Metabolómica & Ciencia de Datos
Sobre mí
Con más de una década de experiencia en investigación, me he especializado en metabolómica orientada a estudios de nutrición, enfocándome especialmente en el análisis de datos complejos provenientes de técnicas cromatográficas acopladas a espectrometría de masas.
Durante mi carrera, he expandido mi perfil al incorporar habilidades en ciencia de datos aplicadas a otras tecnologías ómicas (genómica, transcriptómica y proteómica) mediante un máster en bioinformática especializado.
Actualmente formo parte del programa Momentum del CSIC, con un contrato Doctor FC2 en el Instituto de Química Orgánica General (IQOG-CSIC), donde colaboro con investigadores de este Instituto y del Instituto de Química-Física “Blas Cabrera" (IQF-CSIC) en el desarrollo de un proyecto innovador que aplica algoritmos de Machine Learning y herramientas de Inteligencia Artificial para la clasificación de productos naturales.
Me motiva llevar la ciencia a contextos reales, aplicando el conocimiento a problemas concretos que generan un impacto. Disfruto especialmente de los desafíos interdisciplinarios y del trabajo en equipo. A lo largo de mi carrera he tenido la oportunidad de trabajar en distintos países y entornos culturales, lo que ha fortalecido mi capacidad de adaptación y mi habilidad para integrarme y colaborar con equipos diversos. Quienes han trabajado conmigo me describen como una persona cercana, perseverante y resolutiva.
¿Quieres saber más sobre mi trabajo? Escríbeme:
Trayectoria
Experiencia laboral

Doctor FC2 - Programa Momentum
2024 - ActualmenteInstituto de Química Orgánica General (IQOG-CSIC), Madrid

Investigadora Metabolómica/Analista Datos
2017 - 2020 | 2022 - 2024Instituto de Ciencia y Tecnología de Alimentos y Nutrición (ICTAN-CSIC), Madrid

Investigadora Postdoctoral
2015 - 2017Universidad de Lund, Suecia

Investigadora Postdoctoral
2014 - 2015Universidad Federal de Santa Catarina, Brasil
Formación académica

Master en Bioinformática
2023 - 2024Universitat Internacional Valenciana (VIU)

Bootcamp en Data Science
Abril 2022 - Agosto 2022The Bridge | Digital Talent Accelerator

Doctorado en Biología y Patología Perinatales
2009 - 2014Universidad San Pablo CEU - Centro de Metabolómica y Bioanálisis (CEMBIO)

DEA en Estadística e Investigación Operativa
2009 - 2010Universidad San Pablo CEU - Centro de Metabolómica y Bioanálisis (CEMBIO)

Licenciatura Química Farmacéutica Bióloga
2004 - 2009Universidad Nacional Autónoma de México
Competencias
Ómicas

- Diseño y ejecución de estudios metabolómicos y lipidómicos aplicados a nutrición y salud
- Experiencia en plataformas analíticas: LC-MS, CE-MS
- Procesamiento y alineamiento de datos con MzMine, MassHunter, SIMCA P+
- Análisis estadístico e interpretación de datos
- Interpretación de rutas metabólicas con MetaboAnalyst
- Control de calidad, normalización y preprocesamiento de datos ómicos
- FastQC, MultiQC Control de calidad en lecturas de secuenciación
- HTSeq, featureCounts Cuantificación en RNA-Seq
- DESeq2, edgeR, limma Análisis de expresión diferencial
Digitales

- Análisis multivariante: PCA, PLS-DA, OPLS-DA
- Análisis de datos ómicos con Bioconductor y MetaboAnalyst
- Procesamiento bioinformático: FastQC, MultiQC
- Visualización: ggplot2, seaborn, matplotlib, plotly
- Transformación de datos: pandas, dplyr, tidyr, NumPy
- Lenguajes de programación: Python, R, SQL
- Herramientas Desarrollo: Jupyter, RMarkdown, VSC, Git
Habilidades
Personales y Profesionales

Proyectos
Proyectos actuales donde aplico enfoques de ciencia de datos y metabolómica con algoritmos de aprendizaje automático.

Herramientas digitales basadas en inteligencia artificial para la detección de fraudes en aceites esenciales.
Instituciones que participan: Instituto de Química Orgánica General (IQOG) & Instituto de Química Física Blas Cabrera (IQF)
Proyecto de investigación multidisciplinar que aplica herramientas avanzadas de inteligencia artificial (IA) y algoritmos de machine learning (ML) a datos experimentales para la clasificación mejorada de productos naturales.
Objetivo general: Explorar y validar el uso de herramientas digitales basadas en inteligencia artificial y machine learning para mejorar los procesos de autentificación de productos naturales mediante el análisis de datos obtenidos por diferentes técnicas instrumentales.
Duración estimada: Diciembre 2024 - diciembre 2028 (proyecto en marcha). Los resultados generados a lo largo del proyecto se irán actualizando y reflejando progresivamente en las siguientes secciones.
Resultados del proyecto

Formación en competencias digitales

Estancias formativas

Formación complementaria

Artículos científicos publicados






🚧 Próximamente
¡Estoy cocinando algo interesante! En esta sección pronto compartiré un nuevo proyecto personal.