Anàlisi de Big Data en Bioinformàtica
Codi: 104886 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| 2503852 Estadística Aplicada | OT | 4 |
Professor/a de contacte
- Nom:
- Angel Gonzalez Wong
- Correu electrònic:
- angel.gonzalez@uab.cat
Equip docent
- Gianluigi Caltabiano
- Angel Gonzalez Wong
- Juan Ramon Gonzalez Ruiz
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
Coneixements bàsics de l'idioma anglès ja que part del material docent està en aquesta llengua. Recomanable haver cursat l'assignatura Bioinformàtica.
Objectius
L'assignatura pretén donar una visió sobre les possibilitats de l'anàlisi de big data focalitzat en bioinformàtica.
L'assignatura constat de dos blocs: 1) metodologies computacionals aplicades al descobriment de fàrmacs i 2) anàlisi de dades òmiques. L'assignatura forma part de la Menció en Estadística per a les Ciències de la Salut.
Resultats d'aprenentatge
- CM14 (Competència) Proposar el model estadístic necessari per a analitzar conjunts de dades pertanyents a estudis reals.
- KM17 (Coneixement) Reconèixer els models estadístics per a l'anàlisi de dades amb diferents estructures i complexitat que apareixen freqüentment en diferents àmbits d'aplicació.
- KM18 (Coneixement) Reconèixer el llenguatge propi de les aplicacions d'economia i finances, ciències biomèdiques i enginyeria, aportat per la investigació i la innovació en l'àmbit de l'estadística.
- KM18 (Coneixement) Reconèixer el llenguatge propi de les aplicacions d'economia i finances, ciències biomèdiques i enginyeria, aportat per la investigació i la innovació en l'àmbit de l'estadística.
- SM16 (Habilitat) Seleccionar les fonts d'informació adequades per al treball estadístic.
- SM19 (Habilitat) Analitzar dades d'estructures complexes, ja sigui per la seva naturalesa o per la seva dimensió.
Continguts
BLOC 1. Big Data al Descobriment de Fàrmacs
- Introducció al Big Data en BioCiències.
- Bases de dades i representació de components biològics i compostos químics.
- Anàlisi, agrupament i visualització de substàncies químiques i farmacològiques.
- Cribatge Virtual en el Descobriment de Fàrmacs.
BLOC 2. Big Data en Anàlisi de Dades Òmiques
- Introducció a Bioconductor i eines bioinformàtiques per l’anàlisi de dades òmiques.
- Estudis d’associació genètica i GWAS (Estudis de genoma complet).
- Mètodes Multivariants per la Integració de dàdes òmiques i big data.
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Clases teòriques | 21 | 0,84 | |
| Classes pràctiques | 21 | 0,84 | |
| Presentació Projecte de Recerca | 3 | 0,12 | |
| Tipus: Supervisades | |||
| Tutoritzacions | 10 | 0,4 | |
| Tipus: Autònomes | |||
| Estudi | 70 | 2,8 | |
| Preparació Projecte de Recerca | 20 | 0,8 |
L'assignatura està organitzada en sessions de 3 hores on cada sessió consta d'una part teòrica (aules de teoria) on s'introudirà el temari nou seguida d'una part pràctica (aules d'informàtica) on es treballarà l'aplicació dels conceptes explicats en la part teòrica. A cada sessió el professor/a indicarà als estudiants algunes tasques a fer de manera autònoma, com ara lectura d'articles o l'elavoració d'informes de pràctiques. El material utilitzat pels professors estarà disponible al Campus Virtual de l'assignatura.
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.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Examen Teòrico-Pràctic | 20 | 2 | 0,08 | CM14, KM17, KM18, SM19 |
| Preparació Informes de Pràctiques | 60 | 1 | 0,04 | CM14, KM17, KM18, SM19 |
| Presentació Projecte de Recerca | 20 | 2 | 0,08 | CM14, KM17, KM18, SM16, SM19 |
BLOC 1. Big Data en Disseny de Fàrmacs (50%):
- Exercicis de Pràctiques (30%)
- Presentació Treball Bioinformàtic davant d'una comissió (20%)
BLOC 2. Big Data en Anàlisi de Dades Òmiques (50%):
- Exercicis de Pràctiques (30%)
- Prova Teòrico-Pràctica (20%)
La qualificació mínima global necessària per superar l'assignatura serà de 5 punts. Per a fer mitjana cal que la nota mínima de cadascuna de les activitats avaluables sigui igual o superior a 4 punts. Els estudiants que tinguin alguna de les proves suspeses o no presentades podran fer l’examen de recuperació on es podran examinar del bloc suspès.
Aquerta assignatura no admet AU.
Bibliografia
- 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/
La docència virtual ha posat de manifest la importància de poder disposar de recursos online. Tenint en compte que durant aquests mesos les editorials han posat en obert molt contingut, i que a més es disposa de la plataforma a prova de llibres digitals (50.000 llibres accessibles - https://mirades.uab.cat/ebs/), us demanem que, en la mesura de les vostres possibilitats, feu un esforç per tal que les Guies Docents del curs 2020/2021 incrementin les referències de documents digitals. En aquest enllaç, trobareu una infografia que ha preparat el Servei de Biblioteques per facilitar la localització de llibres electrònics: https://ddd.uab.cat/record/22492
Programari
R: https://www.r-project.org/
Rstudio: https://www.rstudio.com/
Llista d'idiomes
| Nom | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (PLAB) Pràctiques de laboratori | 1 | Català | primer quadrimestre | tarda |
| (TE) Teoria | 1 | Català | primer quadrimestre | tarda |