Bioinformática
Código: 104415 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 2503740 Matemática Computacional y Analítica de Datos | OT | 4 | 1 |
Contacto
- Nombre:
- Angel Gonzalez Wong
- Correo electrónico:
- angel.gonzalez@uab.cat
Idiomas de los grupos
Puede consutarlo a través de este enlace. Para consultar el idioma necesitará introducir el CÓDIGO de la asignatura. Tenga en cuenta que la información es provisional hasta el 30 de noviembre del 2023.
Equipo docente
- Gianluigi Caltabiano
- Angel Gonzalez Wong
Prerrequisitos
Conocimientos básicos del idioma inglés ya que parte del material docente está en esta lengua. Recomendable haber cursado la asignatura de Bioinformática.
Objetivos y contextualización
Competencias
- Calcular y reproducir determinadas rutinas y procesos matemáticos con agilidad.
- Evaluar de manera crítica y con criterios de calidad el trabajo realizado.
- Formular hipótesis e imaginar estrategias para confirmarlas o refutarlas.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Trabajar cooperativamente en un contexto multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar eficazmente bibliografía y recursos electrónicos para obtener información.
Resultados de aprendizaje
- Emplear gráficos de resumen de datos de evolución temporal.
- Evaluar de manera crítica y con criterios de calidad el trabajo realizado.
- Identificar la utilidad de los conocimientos estadísticos en bioinformática y en ciencias de la salud.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Reconocer los métodos de inferencia estadística más utilizados en bioinformática.
- Trabajar cooperativamente en un contexto multidisciplinar asumiendo y respetando el rol de los diferentes miembros del equipo.
- Utilizar eficazmente bibliografía y recursos electrónicos para obtener información.
Contenido
BLOQUE 1. Big Data en el Descubrimiento de Fármacos
- Introducción al Big Data en Biociencias.
- Bases de datos y representación de componentes biólogicos y compuestos químicos.
- Análisis, agrupamiento y visualización de sustancias químicas y farmacológicas.
- Cribado Virtual en el Descubrimiento de Fármacos.
BLOQUE 2. Big Data en Análisis de Datos Ómicos
- Introducción a Bioconductor y herramientas bioinformáticas para el análisis de datos ómicos.
- Estudios de asociación genética y GWAS (Estudios de genoma completo).
- Métodos Multivariantes para la Integración de Datos Ómicos y Big Data.ç
*A menos que las restricciones impuestas por las autoridades sanitarias obliguen a una priorización o reducción de estos contenidos.
Metodología
La asignatura está organizada en sesiones de 3 horas. Cada sesión consta de una parte teórica (aulas de teoría) donde s'introudirà el temario nuevo seguida de una parte práctica (aulas de informática) donde se trabajará la aplicación de los conceptos explicados en la parte teórica. En cada sesión el profesor indicará a los estudiantes algunas tareas a realizar de manera autónoma, como lectura de artículos o elavoración de informes de prácticas. El material utilizado por los profesores estará disponible en el Campus Virtual de la asignatura.
*La metodología docente propuesta puede experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases prácticas | 21 | 0,84 | |
| Clases teóricas | 21 | 0,84 | |
| Presentación Proyecto de Investigación | 3 | 0,12 | |
| Tipo: Supervisadas | |||
| Tutorizaciones | 10 | 0,4 | |
| Tipo: Autónomas | |||
| Estudio | 70 | 2,8 | |
| Preparación Proyecto de Investigación | 20 | 0,8 |
Evaluación
BLOQUE 1. Big Data en Diseño de Fármacos (50%):
- ejercicios de prácticas (30%)
- presentación trabajo bioinformático ante una comisión (20%)
BLOQUE 2. Big Data en Análisis de Datos Ómicas (50%):
- ejercicios de prácticas (30%)
- prueba teórico-práctica (20%)
La calificación mínima global necesaria para superar la asignatura será de 5 puntos. Para hacer media es necesario que la nota mínima de cada una de las actividades evaluables sea igual o superior a 4 puntos. Los estudiantes que tengan alguna de las pruebas suspendidas o no presentadas podrán hacer el examen de recuperación donde se podrán examinar del bloque suspendido.
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Exámenes teórico-prácticos | 40 | 4 | 0,16 | 2, 3, 4, 5, 8 |
| Preparación de informes de prácticas | 40 | 0,5 | 0,02 | 2, 3, 4, 5, 6, 7, 8, 9, 10, 1 |
| Presentación Proyecto de Investigación | 20 | 0,5 | 0,02 | 5, 6, 7, 8, 9, 10, 1 |
Bibliografía
- Lesk A.M. Introduction to Bioinformatics. Oxford University Press 2005.
- Attwood, T.K., Parry-Smith, D.J., Introducción a la Bioinformática. Pearson Education, 2002.
- Foulkes A.S. Applied Statistical Genetics with R. For Population-based Association Studies.Springer Dordrecht Heidelberg London New York. ISBN 978-0-387-89553-6
- Gonzalez JR, Cáceres A. Omic association studies with R and Bioconductor. Chapman and Hall/CRC, ISBN 9781138340565, 2019.
- https://www.bioconductor.org/
Software
R: https://www.r-project.org/
Rstudio: https://www.rstudio.com/