Logo

Bioinformàtica

Codi: 104872
Crèdits: 6
2026/2027
Titulació Tipus Curs
Estadística Aplicada OB 2

Professor/a de contacte

Nom :
Angel Gonzalez Wong
Correu electrònic :
angel.gonzalez@uab.cat

Equip docent

Carolina Soriano Tarraga
Gianluigi Caltabiano
Angel Gonzalez Wong

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

Objectius

Els grans avenços científics i tecnològics obtinguts en les últimes dècades en els camps de la biologia i la Informàtica, així com el desenvolupament de potents sistemes informàtics i ràpides connexions d'Internet a grans bases de dades d'informació a tot el món, han permès als investigadors accedir fàcilment a una enorme quantitat de dades biològiques sense precedents. Aquest curs introdueix els estudiants el camp de la Bioinformàtica, una especialitat que utilitza bases de dades informàtiques per emmagatzemar, recuperar i ajudar en la comprensió de la informació biològica. Aquesta especialitat constitueix un camp de la ciència emergent que s'ocupa de el desenvolupament de diversos mètodes d'anàlisi i eines per a l'estudi de dades biològiques de manera eficient i rigorosa.

Durant el curs s'introduiran els conceptes bàsics de Bioinformàtica i de Biologia Computacional, així com els principals mètodes per a l'anàlisi de la informació provinent de seqüències genòmiques i de proteïnes, així com per al maneig de dades farmacològics. Les sessions pràctiques complementaran aquests coneixements, permetent als estudiants a familiaritzar-se amb els detalls i l'ús de les eines més utilitzades i recursos en línia de l'especialitat.

Resultats d'aprenentatge

  • CM14 (Proposar el model estadístic necessari per a analitzar conjunts de dades pertanyents a estudis reals.) Proposar el model estadístic necessari per a analitzar conjunts de dades pertanyents a estudis reals.
  • KM17 (Reconèixer els models estadístics per a l'anàlisi de dades amb diferents estructures i complexitat que apareixen freqüentment en diferents àmbits d'aplicació.) Reconèixer els models estadístics per a l'anàlisi de dades amb diferents estructures i complexitat que apareixen freqüentment en diferents àmbits d'aplicació.
  • KM18 (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.) 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 (Seleccionar les fonts d'informació adequades per al treball estadístic.) Seleccionar les fonts d'informació adequades per al treball estadístic.
  • SM18 (Depurar la informació disponible per al tractament estadístic posterior.) Depurar la informació disponible per al tractament estadístic posterior.
  • SM19 (Analitzar dades d'estructures complexes, ja sigui per la seva naturalesa o per la seva dimensió.) Analitzar dades d'estructures complexes, ja sigui per la seva naturalesa o per la seva dimensió.

Continguts

  • Introducció a la Bioinformàtica i conceptes de Biologia Molecular
  • Bases de Dades Bioinformàtiques, Bioconductor i l'ecosistema R
  • Introducció a la Genòmica. Principals Projectes Genòmics. Projecte Genoma Humà
  • Variacions Genètiques i Fenotips
  • Comparació de Seqüències Biològiques
  • Alineaments i cerca de seqüències
  • Proteòmica
  • Conceptes de Farmacologia i Quimioinformàtica

Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Classes pràctiques 26 1,04
Tutoritzacions 10 0,4
Classes teòriques 26 1,04
Estudi 83 3,32

L'assignatura està organitzada en sessions de 2 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.

En aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) com a part integrant del desenvolupament del treball, sempre que el resultat final reflecteixi una contribució significativa de l'estudiant en l'anàlisi i la reflexió personal. L'estudiant haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l’activitat. La no transparència de l’ús de la IA es considerarà falta d'honestedat acadèmica i pot comportar una penalització en la nota de l'activitat, o sancions majors en casos de gravetat.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi 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
Presentació exercicis classe 30 1 0,04 CM14, KM17, KM18, SM16, SM18
Prova teòrico-pràctica 2 35 2 0,08 KM17, KM18, SM19
Prova teòrico-pràctica 1 35 2 0,08 KM17, KM18, SM19
  • Prova teòrico pràctica 1 (35%)
  • Prova teòrico-pràctica 2 (35%)
  • Exercicis de pràctiques (30%)

Examen final de recuperació per aquells alumnes que no hagin aprovat l’assignatura mitjançant la avaluacio continuada. Per participar a aquest examen l'alumnat ha d'haver estat prèviament avaluat en un conjunt d'activitats el pes de les quals equivalgui a un mínim de dues terceres parts de la qualificació total de l'assignatura. L'examen final inclourà tot el temari del curs i la nota mínima necessària per aprovar serà de 5 punts. Aquesta assignatura no preveu el sistema d’avaluació única.

La realització de qualsevol irregularitat en un acte d’avaluació (frau acadèmic, plagi o ús indegut de la IA, tret que aquest ús estigui autoritzat expressament a la guia docent), que pugui conduir a una variació significativa de la qualificació, suposa que aquest acte es qualificarà amb un 0. En cas que la guia docent prevegi que per superar l’assignatura sigui requisit imprescindible haver obtingut una nota mínima en aquest acte d’avaluació o que es produeixin diverses irregularitats en els actes d’avaluació d’una mateixa assignatura, la qualificació final d’aquesta assignatura és 0. Al marge d’això, es podrà instruir un procés disciplinari a l’estudiant que incorri en alguna d’aquestes irregularitats.

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.
  • Selzer PM, Koch O, Marhöfer RJ. Applied Bioinformatics: An Introduction. Cham: Springer International Publishing, 2018.
  • Lee JK. Statistical Bioinformatics: A guide for life and biomedical science researchers. Hoboken, N.J.: Wiley-Blackwell, 2010.
  • Baxevanis AD, Bader GD, Wishart DS. Bioinformatics: A practical guide to the analysis of genes and proteins. Fourth edition. ed. Hoboken, NJ: Wiley, 2020.
  • Lectures i articles especialitzats disponibles al campus virtual de l’assignatura
  • https://www.bioconductor.org/

Programari

R: https://www.r-project.org/

Rstudio: https://www.rstudio.com/

Datawarrior: https://openmolecules.org/datawarrior/

PyMol: https://pymol.org/2/

Grups i idiomes de l'assignatura

La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura

Tipus de docència Grup Idioma Semestre Torn
(TE) Teoria 1 Català primer quadrimestre tarda
(PLAB) Pràctiques de laboratori 1 Català primer quadrimestre tarda