Logo

Bioinformática

Código: 104872
Créditos: 6
2026/2027
Titulación Tipo Curso
Estadística Aplicada OB 2

Profesor/a de contacto

Nombre :
Angel Gonzalez Wong
Correo electrónico :
angel.gonzalez@uab.cat

Equipo docente

Carolina Soriano Tarraga
Gianluigi Caltabiano
Angel Gonzalez Wong

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Conocimientos básicos del idioma inglés ya que parte del material docente está en esta lengua.

Objetivos

Los grandes avances científicos y tecnológicos obtenidos en las últimas décadas en los campos de la Biología y la Informática, así como el desarrollo de potentes sistemas informáticos y rápidas conexiones a grandes bases de datos de información en todo el mundo, han permitido a los investigadores acceder a una cantidad de datos biológicos sin precedentes. Este curso introduce a los estudiantes el campo de la Bioinformática, una especialidad que utiliza bases de datos informáticas para almacenar, recuperar y ayudar en la comprensión de la información biológica. Esta especialidad constituye un campo de la ciencia emergente que se ocupa del desarrollo de varios métodos de análisis y herramientas para el estudio de información biológica y biomédica de manera eficiente y rigurosa.

Durante el curso se introducirán los conceptos básicos de Bioinformática y de Biología Computacional, así como los principales métodos para el análisis de la información proveniente de secuencias genómicas y de proteínas, así como para el manejo de datos farmacológicos. Las sesiones prácticas complementarán estos conocimientos, permitiendo a los estudiantes a familiarizarse con los detalles y el uso de las herramientas más utilizadas y recursos en línea de la especialidad.

Resultados de aprendizaje

  • CM14 (Proponer el modelo estadístico necesario para analizar conjuntos de datos pertenecientes a estudios reales.) Proponer el modelo estadístico necesario para analizar conjuntos de datos pertenecientes a estudios reales.
  • KM17 (Reconocer los modelos estadísticos para el análisis de datos con distintas estructuras y complejidad que aparecen frecuentemente en distintos ámbitos de aplicación.) Reconocer los modelos estadísticos para el análisis de datos con distintas estructuras y complejidad que aparecen frecuentemente en distintos ámbitos de aplicación.
  • KM18 (Reconocer el lenguaje propio de las aplicaciones de economía y finanzas, ciencias biomédicas e ingeniería, aportado por la investigación y la innovación en el ámbito de la estadística.) Reconocer el lenguaje propio de las aplicaciones de economía y finanzas, ciencias biomédicas e ingeniería, aportado por la investigación y la innovación en el ámbito de la estadística.
  • SM16 (Seleccionar las fuentes de información adecuadas para el trabajo estadístico) Seleccionar las fuentes de información adecuadas para el trabajo estadístico
  • SM18 (Depurar la información disponible para su posterior tratamiento estadístico.) Depurar la información disponible para su posterior tratamiento estadístico.
  • SM19 (Analizar datos de estructuras complejas, ya sea por su naturaleza o por su dimensión.) Analizar datos de estructuras complejas, ya sea por su naturaleza o por su dimensión.

Contenidos

  • Introducción a la Bioinformática y conceptos de Biología Molecular
  • Bases de Datos Bioinformáticas, Bioconductor y el ecosistema R
  • Introducción a la Genómica. Principales Proyectos Genómicos. Proyecto Genoma Humano
  • Variaciones Genéticas y Fenotipos
  • Comparación de Secuencias Biológicas
  • Alineamientos y búsqueda de secuencias
  • Proteómica
  • Conceptos de Farmacología y Quimioinformática

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Clases prácticas 26 1,04
Tutorizaciones 10 0,4
Clases teóricas 26 1,04
Estudio 83 3,32

La asignatura está organizada en sesiones de 2 horas. Cada sesión consta de una parte teórica (aulas de teoría) donde s'introudirà el temario nuevo seguida de una parte práctica (aulas de informática) donde se trabajará la aplicación de los conceptos explicados en la parte teórica. En cada sesión el profesor indicará a los estudiantes algunas tareas a realizar de manera autónoma, como lectura de artículos o elavoración de informes de prácticas. El material utilizado por los profesores estará disponible en el Campus Virtual de la asignatura.

En esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) como parte integrante del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del estudiante en el análisis y la reflexión personal. El estudiante deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso y en el resultado final de la actividad. La falta de transparencia en el uso de la IA se considerará una falta de honestidad académica y puede conllevar una penalización en la calificación de la actividad o sanciones mayores en casos de gravedad.


Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Presentación ejercicios clase 30 1 0,04 CM14, KM17, KM18, SM16, SM18
Examen teórico-práctico 35 2 0,08 KM17, KM18, SM19
Examen teórico-práctico 35 2 0,08 KM17, KM18, SM19
  • Prueba teórico práctica 1 (35%)
  • Prueba teórico-práctica 2 (35%)
  • Ejercicios de prácticas (30%)

Examen final de recuperación para aquellos alumnos que no hayan aprobado la asignatura mediante la evaluación continua. Para realizar este examen, los estudiantes deben haber sido previamente evaluados en un conjunto de actividades cuyo peso equivalga a un mínimo de dos tercios de la calificación total de la asignatura. El examen final incluirá todo el temario del curso y la nota mínima necesaria para aprobar será de 5 puntos. Esta asignatura no contempla el sistema de evaluación única.

La realización de cualquier irregularidad en un acto de evaluación (fraude académico, plagio o uso indebido de la IA, salvo que dicho uso esté expresamente autorizado en la guía docente) que pueda conducir a una variación significativa de la calificación supone que dicho acto será calificado con un 0. En caso de que la guía docente prevea que para superar la asignatura sea requisito imprescindible haber obtenido una nota mínima en dicho acto de evaluación o que se produzcan varias irregularidades en los actos de evaluación de una misma asignatura, la calificación final de esta asignatura será 0. Al margen de ello, se podrá iniciar un proceso disciplinario contra el estudiante que incurra en alguna de estas irregularidades.

Bibliografía

  • 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. 
  • Lecturas y artículos especializados disponibles en el campus virtual de la asignatura.
  • https://www.bioconductor.org/

Software

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

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

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

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


Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(TE) Teoría 1 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 1 Catalán primer cuatrimestre tarde