Logo

Anàlisi de Big Data en Bioinformàtica

Codi: 104886
Crèdits: 6
2026/2027
Titulació Tipus Curs
Estadística Aplicada OP 4

Professor/a de contacte

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

Equip docent

Carolina Soriano Tarraga
Gianluigi Caltabiano
Angel Gonzalez Wong
Juan Ramón Gonzalez Ruiz

Idiomes dels grups

Podeu consultar aquesta informació al final del document.

Prerequisits

Coneixements bàsics de l'idioma anglès ja que bona part dels articles, tutorials i paquets de programari estan redactats en aquesta llengua.

Recomanable haver cursat l'assignatura Bioinformàtica o domini equivalent de:

  • Fonaments bàsics de Biologia Molecular i Genòmica.
  • Programació bàsica amb R.

Objectius

L'assignatura pretén donar una visió sobre les possibilitats de l'anàlisi de Big Data focalitzat en Biomedicina i Bioinformàtica.

L'assignatura constat de dos blocs temàtics:

  1. Metodologies Computacionals Aplicades al Descobriment de Fàrmacs
  2. Anàlisi de Dades Òmiques.

En acabar l’assignatura, l’estudiant serà capaç de:

  • Caracteritzar i gestionar dades massives de la recerca biomèdica.
  • Aplicar algoritmes estadístics, bioinformàtics i d’aprenentatge automàtic a dades biològiques i biomèdiques.
  • Integrar i visualitzar diverses capes de dades per interpretar hipòtesis biològiques.
  • Avaluar críticament resultats i investigacions de l’especialitat, integrar coneixements i comunicar la informació de manera clara i adequada al context disciplinari.

L'assignatura forma part de la Menció en Estadística per a les Ciències de la Salut.

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.
  • SM17 (Debatre articles científics en què es plantegi l'anàlisi d'un estudi propi de les diferents àrees d'aplicació.) Debatre articles científics en què es plantegi l'anàlisi d'un estudi propi de les diferents àrees d'aplicació.
  • 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

BLOC 1. Big Data en Descobriment de Fàrmacs

  • Introducció al Big Data en Biociències, Bioconductor i ecosistema R
  • Bases de dades i representació de components biològics i compostos químics.
  • Anàlisi, agrupament i visualització de substàncies químiques i farmacològiques.
  • Cribatge virtual en el descobriment de fàrmacs.

BLOC 2. Big Data en Anàlisi de Dades Òmiques

  • Introducció a Bioconductor i eines bioinformàtiques per l’anàlisi de dades òmiques.
  • Estudis d’associació genètica i GWAS (Estudis de genoma complet).
  • Mètodes Multivariants per la Integració de dàdes òmiques i big data.

Activitats formatives i Metodologia

Títol Hores ECTS Resultats d'aprenentatge
Clases teòriques 21 0,84
Preparació Projecte de Recerca 20 0,8
Classes pràctiques 21 0,84
Tutoritzacions 10 0,4
Presentació Projecte de Recerca 3 0,12
Estudi 70 2,8

L'assignatura està organitzada en sessions de 3 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, resolució d’exercicis de classe 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
Preparació Informes de Pràctiques 30 0,5 0,02 CM14, KM17, KM18, SM16, SM18, SM19
Presentació Projecte de Recerca 20 2 0,08 KM18, SM16, SM17, SM18, SM19
Presentació exercicis classe 30 0,5 0,02 CM14, KM17, KM18, SM18, SM19
Examen Teòrico-Pràctic 20 2 0,08 CM14, KM17, KM18, SM19

BLOC 1. Big Data en Descobriment de Fàrmacs (50%):

  • Presentació exercicis classe (15%)
  • Preparació Informes de Pràctiques (15%)
  • Presentació Treball Bioinformàtic davant d'una comissió (20%)

BLOC 2. Big Data en Anàlisi de Dades Òmiques (50%):

  • Presentació exercicis classe (15%)
  • Preparació Informes de Pràctiques (15%)
  • Prova Teòrico-Pràctica (20%)

La qualificació mínima global necessària per superar l'assignatura serà de 5 punts. Per fer mitjana, cal que la nota mínima de cadascuna de les activitats avaluables sigui igual o superior a 3,5 punts.

L’alumnat, per poder optar a la recuperació, 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. Els estudiants que tinguin alguna de les proves suspeses o no presentades podran fer l’examen de recuperació corresponent al bloc suspès. En cas de no superar el llindar establert en algun dels blocs a la recuperació, la nota final del curs serà la nota mínima dels blocs. 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

  • 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
  • Buffalo, V. Bioinformatics Data Skills. O’Reilly Media, 2015.
  • Lesk, A. M. Introduction to Bioinformatics. Oxford University Press, 2019.
  • González, J. R., Cáceres, A. Omic Association Studies with R and Bioconductor. Chapman and Hall/CRC, ISBN 9781138340565, 2019.
  • 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/

 

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 segon quadrimestre tarda
(PLAB) Pràctiques de laboratori 1 Català segon quadrimestre tarda