Introducción a la bioinformática

Información Básica

  • Créditos: 4
  • Horas de Clase: 4 / semana
  • Correquisitos: Análisis Probabilístico y Estadístico (CNM), Biología Celular y Molecular I (CNM)

Descripción del Curso

Las tecnologías actuales de exploración científica han aumentado considerablemente la información almacenada en bases de datos. Y desde las ciencias ómicas, el análisis de dicha información es fundamental para el avance o aplicación de esta información, ya sea desde el punto de vista biomédico o biotecnológico. El presente curso de Doctorado, busca mostrar al estudiante las teorías y herramientas fundamentales en bioinformática, para que estas se conviertan en eje clave de su investigación científica.

Objetivos

Brindar al estudiante conocimientos introductorios, tanto teóricos como prácticos, sobre la bioinformática.

Objetivos Específicos

  • Describir lo que es la bioinformática, sus aplicaciones, desarrollo actual, tendencias e impacto en la ciencia.
  • Definir la relación entre las ciencias biológicas y la computación desde la perspectiva de la ingeniería.
  • Presentar conocimientos básicos para la implementación y desarrollo programas bioinformáticos

 Contenido

Doctorado en Ingeniería: Introducción a la Bioinformática 2015
 WEEK  THEORETICAL CONTENT (Tuesday)  PRACTICAL CONTENT (Thursday)
 Week 1  PART I: Biology Introduction of the course: General concepts and application of the bioinformatics  PART III: Application Lab: Definition of the work of the course /Resources and tools for data management
 Week 2 The structure and function of a Cell: Cell types Lab: Introduction to Unix and Open Source
 Week 3 The structure and function of a Cell: Organelles Lab: Basic Unix commands
 Week 4 Genotype and Phenotype: Biomolecules Lab: Introduction to Python Programming Language
 Week 5 Genotype and Phenotype: Genes and Proteins Lab: A workflow in Python
 Week 6 Gene expression and epigenetics: Gene structure Lab: Common tools in bioinformatics for sequence analysis (Simple and multiple alignment)
 Week 7 Gene expression and epigenetics: Transcription and translation Lab: Running binaries: GeneMark, BLAST, T-coffee
 Week 8*(P) Gene expression and epigenetics: Control of gene expression Lab: A phylogenetic analysis
 Week 9 Epigenetic Marks and Mechanisms Lab: Mathematical and statistical models
 Week 10 Genomic variation and Phylogeny Lab: Reading Big Data – Microarrays, Omic data
 Week 11  PART II: Information The Nature and theory of the Information Lab: Assisted Specific Work
 Week 12 Randomness and Complexity Lab: Assisted Specific Work
 Week 13 Dynamic programming Lab: Assisted Specific Work
 Week 14 Decision tree learning Lab: Assisted Specific Work
 Week 15 Clustering Lab: Assisted Specific Work
 Week 16*(F)(W) Hidden Markov Models Lab: Assisted Specific Work

 

*(P) Partial Exam: Open Monday 11:00AM – Close Thursday 11:00AM
*(F) Final Exam: Open Monday 11:00AM – Close Thursday 11:00AM
*(W) Final Manuscript (Thursday Week 17)

Metodología

Clases magistrales sobre conceptos de Biología Clases magistrales sobre conceptos de Teoría de la Información Clases prácticas sobre utilización de las herramientas computacionales y bioinformáticas Trabajo de investigación asistido por tutor

Calificación

Porcentajes
Examen Parcial 30%
Examen Final 30%
Manuscrito Final 30%
Laboratorios, Seminario, Otros 10%

Bibliografía

  1. Bioinformatics: An Introduction Computational Biology 21. Jeremy Ramsden. Springer-Verlag London (2015)
  2. Developing Bioinformatics Computer Skills. Cynthia Gibas & Per Jambeck. Editorial O’Reily.
  3. Bioinformatics Computing. Bryan Bergeron, M.D. Harvard Medical School and MIT. Editorial Prentice Hall.
  4. Beginning Perl for Bioinformatics. James Tisdall. Editorial O’Reily.
  5. Principles of Biochemistry. Albert Lehninger. 2.000. Ediciones Omega.
  6. Cell and Molecular Biology. Gerald Karp. 1.999. John Wiley Sons.
  7. Biología Celular y Molecular Lodish H. 2000. Editorial Médica Panamericana.
  8. Genes VII. Lewin B. Oxford University Press. 2.000
  9. Molecular Biology of the Cell. Alberts B. Garland Publishing Co. 2000
  10. Anna Tramontano. The Ten most wanted solutions in protein bioinformatics. CHAPMAN & HALL/CRC. 2005.
  11. Arthur M. Lesk. Introduction to Bioinformatics. Oxford University Press. 2002
  12. Pierre F. Baldi, Soren Brunak. Bioinformatics : the machine learning approach. – 2ed. The MIT Press. 2001.
  13. Sushmita Mitra, Sujay Datta, Theodore Perkins, George Michailidis. Introduction to machine learning and bioinformatics. Ed. CRC. 2008.