Sobre Mí
Hola, soy Jesús García-Gavilán. Aunque mi título oficial dice que soy Doctor en Nutrición y Metabolismo y Bioestadístico, mi trabajo real consiste en construir puentes entre dos mundos que a menudo hablan idiomas distintos: la investigación clínica y la ciencia de datos. Mi trayectoria no ha sido lineal y eso es, precisamente, lo que define mi enfoque. Comencé en el ámbito de la nutrición humana y la dietética, pero a medida que profundizaba en la investigación, comprendí que las respuestas a los grandes desafíos de la salud (como las enfermedades metabólicas crónicas) se escondían bajo patrones de datos que el análisis tradicional no podía revelar. Esta curiosidad me llevó a evolucionar desde la epidemiología clásica hacia la bioinformática y el Data Science. Durante mi formación, que incluyó una estancia clave en la Harvard T.H. Chan School of Public Health bajo la mentoría del Prof. Frank Hu, perfeccioné mi capacidad para gestionar investigaciones médicas de alto nivel. Allí aprendí que un dato no es solo un número, es una pieza de una historia biológica que hay que saber contar con rigor y credibilidad. Mi especialidad es transformar datos crudos y complejos (desde información clínica y demográfica hasta capas multiómicas como la genómica, metabolómica y proteómica) en conocimiento útil y aplicable. No me limito a ejecutar análisis, sino que diseño arquitecturas estadísticas, planes que una vez desarrollados permiten obtener una respuesta. Utilizo R como mi herramienta principal para el modelado y la visualización, complementándolo con Python y SQL según lo que cada proyecto demande. Mi filosofía combina la rigurosidad científica necesaria para publicar en revistas de alto factor de impacto (donde tengo más de 60 artículos) con la agilidad técnica de la programación moderna. Como profesor en la Universitat Rovira i Virgili y colaborador en redes de investigación internacionales, mi objetivo es utilizar la potencia de los datos para aportar claridad, evidencia y soluciones a problemas reales de salud.
Formación
Ultima actualizacion: 04/08/2026 14:15 UTC
El t-Distributed Stochastic Neighbor Embedding (t-SNE) es una técnica no lineal de reducción de dimensionalidad muy utilizada para visualizar datos complejos en 2 o 3 dimensiones.
Durante buena parte del siglo XX, la biología avanzó fijándose en pequeños eventos con gran impacto: un gen, una proteína, una mutación, una vía metabólica...
La industria del desarrollo de software no está experimentando una simple mejora tecnológica.
Ultima actualizacion: 27/08/2026 19:53 UTC
Tutorial práctico de t-SNE en R para reducir dimensionalidad y visualizar patrones en datos multivariables.
Tutorial en R sobre regresión logística condicional y regresión de Cox.
Última actualización: 01/08/2026 13:34 UTC
Jesús F García-Gavilán, Indira Paz-Graniel, Jordi Salas-Salvadó
Ariadna Curto, Jadwiga Konieczna, Antoni Colom, Itziar Abete, ...
Jesús F García-Gavilán, Indira Paz-Graniel, Josué A Pérez-Acosta, Miguel Ruiz-Canela, ...
Proyectos Destacados
Repositorio con código de análisis estadístico y reproducible utilizado en mis publicaciones científicas. Incluye scripts de R para análisis metabolómicos, estudios nutricionales y análisis de datos ómicos.
Análisis y visualización interactiva sobre la representación de mujeres como autoras en publicaciones científicas. Incluye visualizaciones con Observable y análisis estadístico en R para explorar la brecha de género en la autoría científica.
Sistema avanzado de análisis y visualización de vulnerabilidad hídrica para el área metropolitana de Barcelona. Integra datos operativos, socioeconómicos y climáticos para calcular el Índice de Vulnerabilidad Hídrica (IVH) mediante técnicas de machine learning y ofrece dashboards interactivos con Dash/Plotly.
Newsletter
Únete a mi lista de correo
Recibe consejos semanales sobre bioinformática, R, Python y desarrollo de carrera científica. Sin spam.