
Bioinformática
Código: 104872Créditos: 6
| 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.
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 |