Biología Computacional y Análisis de Datos
Código: 44784 Créditos ECTS: 6| Titulación | Tipo | Curso |
|---|---|---|
| 4318297 Biología, Genómica y Biotecnología Vegetales / Plant Biology, Genomics and Biotechnology | OB | 0 |
Contacto
- Nombre:
- David Caparrós Ruiz
- Correo electrónico:
- david.caparros@uab.cat
Equipo docente
- Ivan Reyna Llorens
- Robertas Ursache
- (Externo) Jae-Seong Yang
- (Externo) Luca Piccinini
- (Externo) Víctor Manuel González Miguel
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
A pesar de que no hay prerrequisitos oficiales para estudiar este módulo, se recomienda tener conocimientos básicos en Bioquímica y Biología Molecular y Genética, preferentemente en el área de plantas.
Objetivos y contextualización
El auge de las últimas tecnologías que combinan la física, la óptica, la química y su aplicación a la biología molecular ha dado lugar a experimentos de alto rendimiento, lo que ha generado una explosión de datos que están disponibles públicamente. Estos datos van desde la secuenciación de próxima generación (NGS) hasta la transcriptómica, la fenómica, la metabolómica e incluso datos unicelulares a gran escala, las llamadas "ómicas". Además, en su investigación el alumno aprenderá a generar sus propios datos experimentales.
Para comprender los mecanismos moleculares novedosos a partir de grandes conjuntos de datos, los investigadores de hoy en día deben estar capacitados en ciencias cuantitativas. El objetivo de este módulo es presentar un conjunto reducido de conceptos fundamentales para explorar, analizar, visualizar y comprender dichos conjuntos de datos. Para ello, el enfoque que se seguirá se centrará en la resolución de problemas de biología sintética usando herramientas de análisis computacional.
Resultados de aprendizaje
- CA10 (Competencia) Aplicar la terminología científica adecuada para argumentar los resultados de la investigación y comunicar sus conclusiones a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CA11 (Competencia) Aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con la Biología, Genómica y Biotecnología Vegetales.
- CA12 (Competencia) Utilizar nuevas herramientas bioinformáticas para describir modelos predictivos de datos experimentales ómicos en el ámbito de la Biología, Genómica y Biotecnología Vegetales.
- KA09 (Conocimiento) Identificar de manera crítica la información pública y científica relacionada con desarrollar la Biología computacional y en relación con el entorno científico y empresarial.
- KA10 (Conocimiento) Seleccionar metodologías de estudio y ejemplos de casos prácticos en Biología y genómica de las plantas.
- SA16 (Habilidad) Interpretar y descubrir patrones en datos experimentales utilizando los conocimientos de bioestadística apropiados.
- SA17 (Habilidad) Aplicar métodos matemáticos de análisis y modelaje predictivo mediante la integración de distintos tipos de datos experimentales ómicos y utilizar un lenguaje de programación adecuado.
- SA18 (Habilidad) Aplicar los métodos y técnicas más adecuados en los estudios de genómica, fenómica, transcriptómica, proteómica y metabolómica.
- SA19 (Habilidad) Aplicar herramientas bioinformáticas a estudios genómicos de sistemática y filogenia vegetal e interpretar los resultados obtenidos de los experimentos realizados.
Contenido
Introducción a la programación en R con Tidyverse.
Bioestadística.
Herramientas de biología sintética.
Exploración de datos.
Bioinformatica genómica.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| clases magistrales | 18 | 0,72 | CA10, CA11, CA12, SA16, SA17, SA18, SA19, CA10 |
| preparación del examen | 20 | 0,8 | CA10, CA11, SA16, SA18, SA19, CA10 |
| sesiones de bioinformática | 15 | 0,6 | CA12, SA16, SA17, SA18, SA19, CA12 |
| Tipo: Supervisadas | |||
| supervision en el desarrollo de los ejercicios prácticos | 16 | 0,64 | CA10, CA11, KA09, SA16, SA17, SA18, SA19, CA10 |
| Tipo: Autónomas | |||
| estudios autónomos | 40 | 1,6 | CA10, KA09, KA10, SA16, CA10 |
| estudios bibliográficos | 30 | 1,2 | KA09, SA16, KA09 |
- Clases magistrales interactivas en aula de informática
- Seminarios y Resolución de ejercicios
- Realización de informes/trabajos
- Participación en foros
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 |
|---|---|---|---|---|
| actitud proactiva, participación en clase, rigor científico en las discusiones, etc. | 40 | 6 | 0,24 | CA12, KA09, KA10, SA16 |
| examen relacionado con las clases | 60 | 5 | 0,2 | CA10, CA11, SA17, SA18, SA19 |
La evaluación de este módulo tomará la forma de una evaluación continua con el fin de alentar los esfuerzos del estudiante. Las actividades de evaluación son:
- Examen de los contenidos tratados en las clases de teoría.
- Resolución de casos prácticos a partir de artículos científicos y datos de bioinformática. Esta actividad requerirá que el estudiante presente una actitud proactiva, participación en clase, rigor científico de las contribuciones, etc. Estos elementos se evaluarán continuamente
Bibliografía
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
Software
Estas clases se realizarán utilizando los ordenadores de las aulas de informática de la UAB, que ya tendrán instalados todos los programas requeridos.
Lista de idiomas
| Nombre | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PAULm) Prácticas de aula (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |
| (TEm) Teoría (máster) | 1 | Inglés | primer cuatrimestre | manaña-mixto |