{"id":1863,"date":"2026-04-06T10:54:48","date_gmt":"2026-04-06T13:54:48","guid":{"rendered":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1863"},"modified":"2026-04-06T10:57:52","modified_gmt":"2026-04-06T13:57:52","slug":"de-los-datos-a-las-hipotesis-el-enfoque-bayesiano-en-ciencia-de-datos","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1863","title":{"rendered":"De los datos a las hip\u00f3tesis: el enfoque bayesiano en ciencia de datos"},"content":{"rendered":"

Franco Marsico<\/b> es profesor recientemente incorporado a la Maestr\u00eda en Ciencia de Datos de la UBA, donde dicta la materia \u201cInferencia Bayesiana en Ciencia de Datos\u201d. Es Licenciado en Ciencias Biol\u00f3gicas (orientaci\u00f3n gen\u00e9tica) y realiz\u00f3 su doctorado en el Instituto del C\u00e1lculo, FCEN-UBA, bajo direcci\u00f3n de la Dra. In\u00e9s Caridi y el Dr. Ariel Chernomoretz, ambos f\u00edsicos de la facultad. Se especializa en gen\u00f3mica estad\u00edstica, con foco en el desarrollo de m\u00e9todos para integrar datos complejos y abordar problemas como la inferencia de parentesco, la estructura poblacional y la atribuci\u00f3n de fuentes. Su trabajo combina investigaci\u00f3n de frontera con aplicaciones concretas en \u00e1mbitos como la gen\u00f3mica, la ciencia forense y la salud.<\/span><\/p>\n

Actualmente dirige una unidad de investigaci\u00f3n y desarrollo que presta servicios a organizaciones en contextos cient\u00edficos aplicados. Es consultor del <\/span>Health Science Center<\/span><\/i> de la Universidad de Tennessee, EE.UU., y co-desarrollador de <\/span>Familias<\/span><\/i>, el software de la Universidad de Oslo, de referencia global en gen\u00e9tica forense para an\u00e1lisis de parentesco, utilizado por m\u00e1s de 1000 laboratorios en 79 pa\u00edses. Ha publicado trabajos destacados en gen\u00e9tica forense, biorepositorios gen\u00f3micos y b\u00fasqueda de personas desaparecidas.<\/span><\/p>\n

En esta entrevista con Predictivos, Franco Marsico presenta la nueva materia \u201cInferencia Bayesiana en Ciencia de Datos\u201d y propone un cambio de perspectiva clave: pasar de predecir datos a cuestionar hip\u00f3tesis. Desde la gen\u00e9tica hasta la ciencia forense, explica c\u00f3mo este enfoque permite interpretar evidencia en contextos complejos y con informaci\u00f3n limitada.<\/strong><\/p>\n

Contanos un poco sobre tu recorrido y c\u00f3mo lleg\u00e1s a este cruce entre gen\u00e9tica y estad\u00edstica.<\/b><\/p>\n

Mi formaci\u00f3n de grado es en Biolog\u00eda en la UBA, con orientaci\u00f3n en gen\u00e9tica. Y eso no es un detalle menor: la gen\u00e9tica, hist\u00f3ricamente, siempre estuvo muy vinculada a la estad\u00edstica. Hoy, con la gen\u00f3mica, esa relaci\u00f3n es todav\u00eda m\u00e1s estrecha, porque trabajamos con vol\u00famenes de datos gigantescos. Para dar una idea, un genoma humano tiene alrededor de 3.200 millones de letras.<\/span><\/p>\n

Eso nos obliga, desde muy temprano, a incorporar una mirada estad\u00edstica. En ese sentido, la estad\u00edstica funciona como nuestro microscopio: es la herramienta que nos permite interpretar, hacer inferencias y entender qu\u00e9 estamos viendo realmente en esos datos.<\/span><\/p>\n

\u00bfEl aprendizaje autom\u00e1tico ya formaba parte de ese campo cuando empezaste?<\/b><\/p>\n

Fue algo que apareci\u00f3 sobre la marcha. En mi \u00faltimo a\u00f1o de la carrera trabajaba en un laboratorio de modelado molecular de biomol\u00e9culas, donde analiz\u00e1bamos secuencias para predecir estructuras de prote\u00ednas. En ese momento predominaban enfoques m\u00e1s ligados a la simulaci\u00f3n f\u00edsica o a la comparaci\u00f3n evolutiva entre secuencias.<\/span><\/p>\n

El aprendizaje autom\u00e1tico empezaba a emerger como una alternativa, todav\u00eda incipiente. Con el tiempo, esos enfoques crecieron much\u00edsimo y terminaron impulsando avances muy importantes en el \u00e1rea. Me toc\u00f3 estar justo en ese punto de transici\u00f3n: subirme a este campo cuando estaba cayendo la \u00faltima generaci\u00f3n previa al auge del machine learning.<\/span><\/p>\n

Sos profesor de la nueva materia de Inferencia Bayesiana en la Maestr\u00eda. \u00bfCu\u00e1l es la propuesta de la materia?<\/b><\/p>\n

La propuesta tiene dos dimensiones fuertes: una pedag\u00f3gica y otra epistemol\u00f3gica. Porque la estad\u00edstica bayesiana no es simplemente una t\u00e9cnica m\u00e1s dentro del repertorio estad\u00edstico, sino una forma distinta de entender qu\u00e9 es la probabilidad.<\/span><\/p>\n

En el enfoque m\u00e1s cl\u00e1sico, estamos acostumbrados a pensar la probabilidad como algo asociado a la frecuencia de los eventos o a la predicci\u00f3n: dado un modelo, \u00bfcu\u00e1l es la probabilidad de observar ciertos datos? El enfoque bayesiano plantea un giro conceptual muy potente: en lugar de preguntarnos por la probabilidad de los datos dado una hip\u00f3tesis, nos preguntamos por la probabilidad de la hip\u00f3tesis dado los datos.<\/span><\/p>\n

Ese cambio no es solo t\u00e9cnico, es una forma distinta de pensar. Lo que se pone en juego ya no son tanto los datos \u2014que son los que son\u2014 sino nuestras hip\u00f3tesis, nuestras interpretaciones del mundo.<\/span><\/p>\n

En ese proceso entra en juego uno de los aspectos m\u00e1s potentes del enfoque bayesiano: la posibilidad de combinar distintas fuentes de evidencia bajo un mismo marco formal. No se trata solo de datos gen\u00e9ticos, sino tambi\u00e9n de informaci\u00f3n no gen\u00e9tica \u2014como caracter\u00edsticas f\u00edsicas o contextuales\u2014 e incluso conocimiento experto. Todo eso puede integrarse de manera consistente para evaluar las hip\u00f3tesis en juego.<\/span><\/p>\n

Mencionabas antes un contraste interesante con algo tipo <\/b>Minority Report<\/i><\/b>. \u00bfC\u00f3mo entra ese ejemplo ac\u00e1?<\/b><\/p>\n

Claro, es un buen ejemplo para entender el cambio de enfoque. En una l\u00f3gica m\u00e1s \u201cpredictiva\u201d, tipo <\/span>Minority Report<\/span><\/i>, uno intenta estimar la probabilidad de que ocurra un evento en el futuro: por ejemplo, la probabilidad de que alguien cometa un crimen. Es una probabilidad sobre el dato futuro.<\/span><\/p>\n

En el enfoque con el que yo trabajo \u2014y particularmente en el \u00e1mbito forense\u2014 la l\u00f3gica es exactamente la inversa. Nosotros no trabajamos con eventos futuros sino con hechos ya consumados. La probabilidad de ese hecho es igual a 1.<\/span><\/p>\n

Entonces, la pregunta cambia completamente: no nos interesa la probabilidad del dato, sino la probabilidad de las hip\u00f3tesis que explican ese dato. Es decir, dado lo que observamos, \u00bfqu\u00e9 tan probable es que una hip\u00f3tesis sea correcta frente a otra?<\/span><\/p>\n

Ese \u201cdar vuelta\u201d el problema es el coraz\u00f3n del enfoque bayesiano, y es uno de los puntos centrales que trabajamos en la materia.<\/span><\/p>\n

\u00bfC\u00f3mo se traduce todo esto en el dictado concreto de la materia?<\/b><\/p>\n

La materia tiene un fuerte \u00e9nfasis en la comprensi\u00f3n conceptual y el componente epistemol\u00f3gico, sin dejar de lado lo t\u00e9cnico. Mi objetivo es que los estudiantes no solo sepan aplicar m\u00e9todos, sino que entiendan profundamente qu\u00e9 est\u00e1n haciendo cuando modelan.<\/span><\/p>\n

Trabajamos mucho con modelos generativos. Es decir, partimos de una hip\u00f3tesis sobre c\u00f3mo funciona un proceso \u2014puede ser fraude bancario, efectividad de una vacuna, comportamiento de usuarios en marketing\u2014 y construimos un modelo que \u201cgenere\u201d datos a partir de esa l\u00f3gica.<\/span><\/p>\n

Esto implica algo muy potente: obliga a explicitar las reglas del sistema, los supuestos, los mecanismos causales. En lugar de simplemente ajustar un modelo a los datos, lo que hacemos es construir una representaci\u00f3n del proceso y despu\u00e9s contrastarla con la realidad.<\/span><\/p>\n

En ese sentido, la materia busca complementar el enfoque m\u00e1s t\u00edpico de machine learning \u2014m\u00e1s orientado a la predicci\u00f3n\u2014 con una b\u00fasqueda de entendimiento. En definitiva, es un enfoque m\u00e1s cercano a lo epistemol\u00f3gico, a preguntarnos qu\u00e9 estamos asumiendo y qu\u00e9 significa realmente el modelo que construimos.<\/span><\/p>\n

\u00bfY c\u00f3mo trabajan la complejidad de esos modelos? Porque pueden crecer much\u00edsimo.<\/b><\/p>\n

Exactamente, ese es uno de los grandes desaf\u00edos. Los modelos generativos suelen abrir espacios de posibilidades enormes. Por eso, en la materia trabajamos tambi\u00e9n con herramientas para explorar esos espacios de manera eficiente.<\/span><\/p>\n

Las primeras clases las presento bajo la met\u00e1fora de \u201cEl jard\u00edn de senderos que se bifurcan\u201d, un cuento de Borges. La idea es que, frente a un fen\u00f3meno, hay m\u00faltiples caminos posibles que podr\u00edan haber llevado a los datos que observamos.<\/span><\/p>\n

El problema es que ese espacio es, en muchos casos, inabarcable. Entonces introducimos m\u00e9todos, como por ejemplo t\u00e9cnicas de Monte Carlo, que permiten recorrer ese espacio de forma guiada, priorizando las regiones m\u00e1s relevantes.<\/span><\/p>\n

Esto tambi\u00e9n tiene un valor conceptual: no se trata solo de computar, sino de entender c\u00f3mo pensamos el problema, qu\u00e9 caminos consideramos plausibles y cu\u00e1les descartamos.<\/span><\/p>\n

Hablemos ahora de tus l\u00edneas de investigaci\u00f3n en gen\u00f3mica estad\u00edstica.<\/b><\/p>\n

Despu\u00e9s de mis postdocs en Italia y en Estados Unidos, empec\u00e9 a enfocarme en un problema central: c\u00f3mo llevar los marcos te\u00f3ricos cl\u00e1sicos de la gen\u00e9tica a contextos de datos masivos.<\/span><\/p>\n

Hoy existen bases de datos con cientos de miles de individuos, que combinan informaci\u00f3n gen\u00e9tica con datos cl\u00ednicos. Esto abre una escala completamente nueva de an\u00e1lisis, pero tambi\u00e9n pone en tensi\u00f3n muchas herramientas tradicionales.<\/span><\/p>\n

Mi generaci\u00f3n est\u00e1 en un punto bisagra: muchos m\u00e9todos cl\u00e1sicos \u2014como los enfoques basados en p-valores\u2014 empiezan a mostrar limitaciones, no solo t\u00e9cnicas sino tambi\u00e9n conceptuales.<\/span><\/p>\n

\"\"<\/a>

Software Familias, de la universidad de Oslo. Es el gold-standard en gen\u00e9tica forense para parentesco, aplica m\u00e9todos bayesianos. Mapa de laboratorios actuales que lo usan.<\/p><\/div>\n

\u00bfEso se vincula con la crisis de reproducibilidad en ciencia?<\/b><\/p>\n

S\u00ed, creo que en gran medida. Cuando trabaj\u00e1s con grandes vol\u00famenes de datos, es relativamente f\u00e1cil encontrar patrones que parecen significativos pero no lo son. Sin un marco conceptual s\u00f3lido, pod\u00e9s construir pr\u00e1cticamente cualquier narrativa.<\/span><\/p>\n

Por eso creo que el desaf\u00edo no es solo computacional. Tambi\u00e9n es epistemol\u00f3gico: necesitamos mejores formas de pensar los datos, no solo mejores herramientas para procesarlos.<\/span><\/p>\n

\u00bfEn qu\u00e9 proyectos principales est\u00e1s trabajando actualmente?<\/b><\/p>\n

Estoy desarrollando modelos para reconstruir estructuras de parentesco a gran escala. La idea es: si tengo una base con 100.000 personas, \u00bfpuedo inferir redes de parentesco entre ellas? \u00bfY qu\u00e9 me dicen esas redes sobre c\u00f3mo se organiza la poblaci\u00f3n?<\/span><\/p>\n

Por ejemplo, si las personas tienden a vivir cerca de familiares, c\u00f3mo se estructuran las relaciones en entornos urbanos, o qu\u00e9 patrones emergen a gran escala. Para eso combino an\u00e1lisis de datos con modelos generativos que luego contrasto con la evidencia.<\/span><\/p>\n

\"\"<\/a>

T\u00e9cnica para estudiar la estructura de parentesco en una ciudad del sur de EE. UU., mediante redes, donde se analiz\u00f3 la prevalencia de enfermedades en grupos familiares, separando el impacto ambiental del gen\u00e9tico mediante modelado causal. Figura ilustrativa.<\/p><\/div>\n

Tambi\u00e9n le\u00ed que est\u00e1s involucrado en la tem\u00e1tica de pangenomas. \u00bfDe qu\u00e9 se trata?<\/b><\/p>\n

Es un cambio de paradigma en gen\u00f3mica. Durante muchos a\u00f1os representamos la informaci\u00f3n gen\u00e9tica como diferencias respecto de una referencia est\u00e1ndar. Eso permiti\u00f3 avanzar, pero tambi\u00e9n introdujo un sesgo estructural importante: asumimos que esa referencia capturaba toda la variabilidad relevante del genoma, cuando en realidad no es as\u00ed.<\/span><\/p>\n

El problema es que muchas variantes \u2014sobre todo en poblaciones subrepresentadas\u2014 directamente no aparecen en esa referencia. Entonces, todo lo que se construy\u00f3 a partir de ah\u00ed arrastra ese sesgo. Por ejemplo, muchos estudios de asociaci\u00f3n gen-enfermedad parten del supuesto de que est\u00e1n observando todas las variantes posibles en el genoma, y eso no es cierto.<\/span><\/p>\n

Esto implica que una parte del conocimiento acumulado en los \u00faltimos a\u00f1os necesita ser revisado. El pangenoma propone justamente eso: construir una nueva forma de representar la informaci\u00f3n gen\u00e9tica, m\u00e1s completa, que no dependa de una \u00fanica referencia y que permita capturar mejor la diversidad real.<\/span><\/p>\n

Por \u00faltimo, \u00bfest\u00e1s trabajando en este tema en colaboraci\u00f3n internacional?<\/b><\/p>\n

S\u00ed, formo parte de un consorcio internacional de pangenoma humano, que este a\u00f1o va a tener una publicaci\u00f3n importante. Es un espacio de trabajo muy intenso, que re\u00fane a m\u00e1s de 100 cient\u00edficos. Lo interesante es que el propio funcionamiento del consorcio refleja algo del m\u00e9todo cient\u00edfico en su forma m\u00e1s exigente: hay un contraste constante entre pares, una din\u00e1mica muy cr\u00edtica donde todos revisan el trabajo de todos. Es un proceso riguroso, a veces demandante, pero extremadamente formativo.<\/span><\/p>\n

Creo que tambi\u00e9n es desafiante porque implica cuestionar parte de lo que se construy\u00f3 en los \u00faltimos 20 a\u00f1os. Pero justamente ah\u00ed est\u00e1 el valor y es as\u00ed como realmente avanza la ciencia: revisando lo hecho, ajustando lo necesario y construyendo sobre bases m\u00e1s s\u00f3lidas.<\/span><\/p>\n

\n

Art\u00edculos destacados\u00a0<\/b><\/p>\n

Biorrepositorio gen\u00f3mico de referencia en EEUU<\/b>: autor junto a colaboradores de Italia, donde integramos informaci\u00f3n gen\u00e9tica y de salud. Nature Communications<\/em>. <\/span>https:\/\/www.nature.com\/articles\/s41467-025-59375-0<\/span><\/a><\/p>\n

Nuevos desaf\u00edos \u00e9ticos y de seguridad en gen\u00e9tica forense<\/b>, enfoques frente a ataques adversariales. Forensic Science International Genetics<\/em> (principal revista del \u00e1rea). <\/span>https:\/\/www.sciencedirect.com\/science\/article\/abs\/pii\/S1872497325000055<\/span><\/a>\u00a0<\/span><\/p>\n

B\u00fasqueda de personas desaparecidas<\/b> mediante t\u00e9cnicas de teor\u00eda de la informaci\u00f3n, Forensic Science International Genetics<\/em>. <\/span>https:\/\/www.sciencedirect.com\/science\/article\/abs\/pii\/S187249732400019X<\/span><\/a><\/p>\n

Parentesco a escala poblacional<\/b>: <\/span>reconstrucci\u00f3n geneal\u00f3gica.<\/b> Desarrollamos una t\u00e9cnica para estudiar la estructura de parentesco en una ciudad del sur de EE. UU., mediante redes, y analizamos la prevalencia de enfermedades en grupos familiares, separando el impacto ambiental del gen\u00e9tico mediante modelado causal. Art\u00edculo bajo revisi\u00f3n. <\/span>https:\/\/www.biorxiv.org\/content\/10.1101\/2025.05.03.652048v4.abstract<\/span><\/a>\u00a0\u00a0<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Franco Marsico es profesor recientemente incorporado a la Maestr\u00eda en Ciencia de Datos de la UBA, donde dicta \u201cInferencia Bayesiana en Ciencia de Datos\u201d y es investigador en gen\u00f3mica estad\u00edstica. En esta entrevista, presenta la nueva materia y propone un cambio de perspectiva clave: pasar de predecir datos a cuestionar hip\u00f3tesis.<\/p>\n","protected":false},"author":4,"featured_media":1866,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,36,22,25],"tags":[21,37],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1863"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1863"}],"version-history":[{"count":4,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1863\/revisions"}],"predecessor-version":[{"id":1870,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1863\/revisions\/1870"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1866"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1863"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1863"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1863"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}