
Biologia Computacional i Anàlisi de Dades
Codi: 44784 Crèdits: 6| Titulació | Tipus | Curs |
|---|---|---|
| Biologia, Genòmica i Biotecnologia Vegetals / Plant Biology, Genomics and Biotechnology | OB | 1 |
Professor/a de contacte
- Nom:
- Ivan Reyna Llorens
- Correu electrònic:
- Desconegut
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
Els avenços recents en tecnologies que combinen física, òptica, química i biologia molecular han donat lloc a mètodes experimentals cada vegada més potents, generant grans quantitats de dades biològiques disponibles públicament. Aquestes inclouen la seqüenciació de nova generació (NGS), transcriptòmica, metabolòmica, fenòmica i dades a gran escala de cèl·lula única, conegudes col·lectivament com a "òmiques".
Al mateix temps, la biologia sintètica i les tecnologies d'edició genètica permeten dissenyar, construir i modelar nous circuits genètics, ampliant els límits del que podem entendre i crear en biologia vegetal i més enllà.
En aquest mòdul, els estudiants utilitzaran dades públiques i eines computacionals per explorar problemes de biologia sintètica de manera in silico. L'objectiu és establir una base sòlida en l’anàlisi, visualització i interpretació de dades, amb un enfocament aplicat al disseny molecular modern.
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 | |
| preparació de l'examen | 20 | 0,8 | |
| sessions de bioinformàtica | 15 | 0,6 | |
| Tipus: Supervisades | |||
| supervisió en el desenvolupament de exercicis pràctics | 16 | 0,64 | |
| Tipus: Autònomes | |||
| estudis autònoms | 40 | 1,6 | |
| estudis bibliogràfics | 30 | 1,2 |
- 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, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.
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 | CA10, CA11, CA12, KA09, KA10, SA16, SA17, SA18, SA19 |
| examen relacionat amb les classes | 60 | 5 | 0,2 |
L'avaluació d'aquest mòdul es durà a terme mitjançant avaluació contínua, amb l'objectiu de fomentar la participació activa i l’esforç constant de l’estudiant. Les activitats d’avaluació inclouran:
-
Examen dels continguts teòrics tractats durant les classes magistrals.
-
Resolució i discussió de casos pràctics basats en articles científics i dades reals de bioinformàtica. Aquesta activitat requerirà una actitud proactiva, participació regular a classe i rigor científic en les aportacions. Aquests aspectes es valoraran al llarg del curs.
A més, aquesta evaluaciò promourà una sèrie de resultats d’aprenentatge essencials, i fonamentals per a l’adquisició de competències transversals en biologia computacional i sintètica:
-
Identificar de manera crítica la informació científica i pública relacionada amb la biologia computacional i el seu context científic i empresarial.
-
Seleccionar metodologies i exemples de casos pràctics en biologia i genòmica de plantes.
-
Interpretar i identificar patrons en dades experimentals mitjançant coneixements de bioestadística.
-
Fer servir tècniques actuals en estudis de genòmica, transcriptòmica, fenòmica, proteòmica i metabolòmica.
-
Utilitzar la terminologia científica adequada per comunicar resultats a públics especialitzats i no especialitzats de manera clara.
-
Resoldre problemes en entorns nous o multidisciplinaris en l’àmbit de la genòmica i biotecnologia vegetal.
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.
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través daquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura