Biologia Computacional i Anàlisi de Dades
Codi: 44784 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| 4318297 Biologia, Genòmica i Biotecnologia Vegetals / Plant Biology, Genomics and Biotechnology | OB | 0 |
Professor/a de contacte
- Nom:
- David Caparrós Ruiz
- Correu electrònic:
- david.caparros@uab.cat
Equip docent
- Ivan Reyna Llorens
- Robertas Ursache
- (Extern) Jae-Seong Yang
- (Extern) Luca Piccinini
- (Extern) Víctor Manuel González Miguel
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
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.
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| classes magistrals | 18 | 0,72 | CA10, CA11, CA12, SA16, SA17, SA18, SA19 |
| preparació de l'examen | 20 | 0,8 | CA10, CA11, SA16, SA18, SA19 |
| sessions de bioinformàtica | 15 | 0,6 | CA12, SA16, SA17, SA18, SA19 |
| Tipus: Supervisades | |||
| supervisió en el desenvolupament de exercicis pràctics | 16 | 0,64 | CA10, CA11, KA09, SA16, SA17, SA18, SA19 |
| Tipus: Autònomes | |||
| estudis autònoms | 40 | 1,6 | CA10, KA09, KA10, SA16 |
| estudis bibliogràfics | 30 | 1,2 | KA09, SA16 |
- 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.
Avaluació
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 | CA12, KA09, KA10, SA16 |
| examen relacionat amb les classes | 60 | 5 | 0,2 | CA10, CA11, SA17, SA18, SA19 |
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
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.
Llista d'idiomes
| Nom | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (PAULm) Pràctiques d'aula (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |
| (TEm) Teoria (màster) | 1 | Anglès | primer quadrimestre | matí-mixt |