Publicaciones
Artículos, preprints y presentaciones en congresos
Mi trabajo publicado y en curso trata sobre cómo se evalúan los modelos de deep learning para estructura secundaria de ARN y cómo lograr que generalicen más allá de las familias con las que fueron entrenados. También hay una lista actualizada en Google Scholar.
Artículos y preprints
Bugnon, L. A., Kulemeyer, G., Gerard, M., Di Persia, L., Stegmayer, G. y Milone, D. H. (2026). Homology-aware cross-validation strategies for generalization assessment in RNA structure prediction.
El trabajo analiza cómo la homología entre secuencias de entrenamiento y de prueba infla la exactitud reportada en predicción de estructura de ARN, y compara predictores clásicos y de deep learning bajo esquemas de validación por familia y por similitud de secuencia. Mi contribución se centra en el benchmarking comparativo y en su implementación reproducible.
En preparación
The Less the Better: Improving RNA Secondary Structure Generalization with Structural-Aware Subsampling.
El submuestreo del conjunto de entrenamiento guiado por estructura conserva alrededor del 18 % de ArchiveII preservando la diversidad estructural, con un rendimiento comparable al del entrenamiento con el conjunto completo. El manuscrito presenta la estrategia de submuestreo y su efecto sobre la generalización entre familias.
Presentaciones en congresos
Enhancing Deep Learning Prediction of Base-Pairing Probability in RNA Sequences Using Structural Diversity.
Dissociative Adsorption of Methane on Pt(110)-(1×2) Using Machine Learning.