Biologia Computacional i Anàlisi de Dades
Codi: 44784 Crèdits: 6| Titulació | Tipus | Curs | Semestre |
|---|---|---|---|
| 4318297 Biologia, Genòmica i Biotecnologia Vegetals | OB | 0 | 1 |
Professor/a de contacte
- Nom:
- David Caparrós Ruiz
- Correu electrònic:
- david.caparros@uab.cat
Idiomes dels grups
Podeu accedir-hi des d'aquest enllaç. Per consultar l'idioma us caldrà introduir el CODI de l'assignatura. Tingueu en compte que la informació és provisional fins a 30 de novembre de 2023.
Equip docent
- Laura Rodríguez Botigué
- Ivan Reyna Llorens
- Robertas Ursache
Equip docent extern a la UAB
- Jae-Seong Yang
- Víctor Manuel González Miguel
Prerequisits
Tot i que no hi ha prerequisits oficials per a estudiar aquest mòdul, es recomana tenir coneixements bàsics en Bioquímica i Biologia Molecular i Genètica, preferentment en l'àrea de plantes.
Objectius
L'auge de les últimes tecnologies que combinen la física, l'òptica, la química i la seva aplicació a la biologia molecular ha donat lloc a experiments d'alt rendiment, la qual cosa ha generat una explosió de dades que estan disponibles públicament. Aquestes dades van des de la seqüenciació de pròxima generació (NGS) fins a la transcriptòmica, la fenòmica, la metabolòmica i fins i tot dades unicel·lulars a gran escala, les anomenades "ómicas". A més, en la seva recerca l'alumne aprendrà a generar les seves pròpies dades experimentals.
Per a comprendre els mecanismes moleculars nous a partir de grans conjunts de dades, els investigadors d'avui dia han d'estar capacitats en ciències quantitatives. L'objectiu d'aquest mòdul és presentar un conjunt reduït de conceptes fonamentals per a explorar, analitzar, visualitzar i comprendre aquests conjunts de dades. Per a això, l'enfocament que se seguirà se centrarà en la resolució de problemes de biologia sintètica usant eines d'anàlisi computacional.
Resultats d'aprenentatge
- CA10 (Competència) Aplicar la terminologia científica adequada per a argumentar els resultats de la investigació i comunicar les seves conclusions a públics especialitzats i no especialitzats de manera clara i sense ambigüitats.
- CA11 (Competència) Aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la biologia, la genòmica i la biotecnologia vegetals.
- CA12 (Competència) Utilitzar noves eines bioinformàtiques per a descriure models predictius de dades experimentals òmiques en l'àmbit de la biologia, la genòmica i la biotecnologia vegetals.
- KA09 (Coneixement) Identificar de manera crítica la informació pública i científica relacionada amb el desenvolupament de la biologia computacional i en relació amb l'entorn científic i empresarial.
- KA10 (Coneixement) Seleccionar metodologies d'estudi i exemples de casos pràctics en biologia i genòmica de les plantes.
- SA16 (Habilitat) Interpretar i descobrir patrons en dades experimentals usant els coneixements de bioestadística apropiats.
- SA17 (Habilitat) Aplicar mètodes matemàtics d'anàlisi i modelatge predictiu mitjançant la integració de diferents tipus de dades experimentals òmiques i utilitzar un llenguatge de programació adequat.
- SA18 (Habilitat) Aplicar els mètodes i les tècniques més adequats en els estudis de genòmica, fenòmica, transcriptòmica, proteòmica i metabolòmica.
- SA19 (Habilitat) Aplicar eines bioinformàtiques a estudis genòmics de sistemàtica i filogènia vegetal i interpretar els resultats obtinguts dels experiments duts a terme.
Continguts
Introducció a la programació en R amb Tidyverse.
Bioestadística.
Eines de biologia sintètica.
Exploració de dades.
Bioinformàtica genòmica.
Metodologia
- Classes magistrals interactives en aula d'informàtica
- Seminaris i Resolució d'exercicis
- Realització d'informes/treballs
- Participació en fòrums
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Activitats formatives
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| classes magistrals | 18 | 0,72 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18 |
| preparació de l'examen | 20 | 0,8 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18, SA19 |
| sessions de bioinformàtica | 15 | 0,6 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18, SA19 |
| Tipus: Supervisades | |||
| supervisió en el desenvolupament de exercicis pràctics | 16 | 0,64 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18, SA19 |
| Tipus: Autònomes | |||
| estudis autònoms | 40 | 1,6 | KA09, KA10, SA16, SA17, SA18, SA19 |
| estudis bibliogràfics | 30 | 1,2 | KA09, KA10, SA16 |
Avaluació
L'avaluació d'aquest mòdul prendrà la forma d'una avaluació contínua amb la finalitat d'encoratjar els esforços de l'estudiant. Les activitats d'avaluació són:
- Examen dels continguts tractats en les classes de teoria.
- Resolució de casos pràctics a partir d'articles científics i dades de bioinformàtica. Aquesta activitat requerirà que l'estudiant present una actitud proactiva, participació en classe, rigor científic de les contribucions, etc. Aquests elements s'avaluaran contínuament
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| actitud proactiva, participació a classe, rigor científic en les discussions, etc | 40 | 6 | 0,24 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18, SA19 |
| examen relacionat amb les classes | 60 | 5 | 0,2 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18, SA19 |
Bibliografia
Revolutionizing agriculture with synthetic biology | Nature Plants
The Big Book of Machine Learning Use Cases | Databricks
Fundamentals of Biostatistics; Rosner, B. ( 8ª Edición Agosto 2015) ISBN 9781305268920, Editorial CENGAGE
Programari
Aquestes classes es realitzaran utilitzant els ordinadors de les aules d'informàtica de la UAB, que ja tindran instal·lats tots els programes requerits.