In this course the main genomic techniques and tools will be given: exact and approximated string matching , alignment algorithms, phylogenetic algorithms, Blast, Hiddem Markov Models, Genome sequencing, ...
Profesorado
Responsable
Xavier Messeguer Peypoch (
)
Otros
Gabriel Valiente Feruglio (
)
Horas semanales
Teoría
2
Problemas
1
Laboratorio
1
Aprendizaje dirigido
0
Aprendizaje autónomo
0
Competencias
Competencias Técnicas de cada especialidad
Dirección y gestión
CDG1 - Capacidad para la integración de tecnologías, aplicaciones, servicios y sistemas propios de la Ingeniería Informática, con carácter generalista, y en contextos más amplios y multidisciplinares.
Específicas
CTE7 - Capacidad para comprender y poder aplicar conocimientos avanzados de computación de altas prestaciones y métodos numéricos o computacionales a problemas de ingeniería.
CTE9 - Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.
Competencias Técnicas Genéricas
Genéricas
CG4 - Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería en Informática.
Competencias Transversales
Uso solvente de los recursos de información
CTR4 - Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información del ámbito de la ingeniería informática y valorar de forma crítica los resultados de esta gestión.
Básicas
CB6 - Que los estudiantes sepan 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 su área de estudio.
Contenidos
Algoritmos y estructuras eficientes de búsqueda
Se verán los algoritmos más eficientes de búsqueda de patrones en función del alfabeto, y de la longitud y el número de los patrones. También se explicarán estructuras de datos muy útiles para comparar genomas como elossuffix trees. Finalmente se estudiarán estrategias para hacer búsquedas en textos muy largos (Gb).
Alineamiento de secuencias
Se explicará el algoritmo de programación dinámica y su aplicación para calcular la distancia de edición entre dos palabras, para realizar búsquedas aproximada en un texto y para encontrar el mejor alineamiento entre dos secuencias. Finalmente se estudiará el alineamiento de múltiples secuencias.
Búsquedas en bases de datos: BLAST
Se estudiarán los fundamentos computacionales y estadísticos del algoritmo BLAST y su uso para realizar búsquedas aproximadas en bases de datos.
Algoritmos filogenéticos
Se explicarán los algoritmos fundamentales que nos permiten estimar la evolución de los individuos de una misma especie.
Modelos ocultos de Markov
Se explicarán los Modelos Ocultos de Markov y casos en que son aplicados en bioinformática.
Metodología docente
El curso se propone con 16 horas de clases teóricas, para comprender los fundamentos teóricos de las técnicas utilizadas, y las 10h de sesiones de laboratorio para conocer las herramientas principales.
Las sesiones teóricas (y de problemas) se daran pizarra con diapositivas ..
Las sesiones de laboratorio se dedicaran a prácticar con los programas diseñados para cada tema.
Método de evaluación
La nota final (NF) tiene dos contribuciones: una nota de laboratorio (NL) que califica los informes que los alumnos han entregado sobre los ejercicios propuestos en el laboratorio y una nota de examen (NE) resultado de un examen final.
Así la nota final (NF) será:
NF = NE * 0.7 + NL * 0.3