Algorismes en Biologia

• Hores setmanals
• Resultats d'aprenentatge
• Objectius
• Continguts
• Activitats
• Metodologia docent
• Mètode d'avaluació
• Bibliografia
• Web links
• Capacitats prèvies

Professorat

Responsable

• Arnau Cordomí Montoya ( )
• Fernando Cruz Rodríguez ( )
• Oscar Lao Grueso ( )

Hores setmanals

Resultats d'aprenentatge

Resultats d'aprenentatge

Coneixements

• K1 - Reconèixer els principis bàsics de la biologia, des de l'escala cel·lular a la de l'organisme, i com aquests es relacionen amb els coneixements actuals en els camps de la bioinformàtica, de l'anàlisi de dades, i de l'aprenentatge automàtic; assolint així una visió interdisciplinar amb especial èmfasi en aplicaciones biomèdiques.
• K2 - Identificar els mètodes estadístics i computacionals i els models matemàtics que permeten resoldre problemes en els camps de la biologia molecular, la genòmica, la investigació mèdica i la genètica de poblacions.
• K4 - Integrar els conceptes oferts pels llenguatges de programació de major ús en l'àmbit de les Ciències de la Vida per a modelar i optimitzar estructures de dades i construir algorismes eficients, relacionant-los entre sí i amb els seus casos d'aplicació.
• K7 - Analitzar les fonts d'informacions científiques, vàlides i fiables, per a fonamentar l'estat de la qüestió d'un problema bioinformàtic i poder abordar la seva resolució.

Habilitats

• S1 - Integrar dades òmiques i clíniques per a obtenir una major comprensió i una millor anàlisi dels fenòmens biològics
• S2 - Analitzar computacionalment seqüències d'ADN, ARN i proteïnes, incloent anàlisis comparatives de genomes, usant la computació, les matemàtiques i l'estadística com a eines bàsiques de la bioinformàtica.
• S3 - Resoldre problemes en els camps de la biologia molecular, la genòmica, la investigació mèdica i la genètica de poblacions mitjançant l'aplicació de mètodes estadístics i computacionals i models matemàtics.
• S4 - Elaborar eines específiques que permetin la resolució de problemes sobre la interpretació de dades biològiques i biomèdiques, incloent visualitzacions complexes.
• S5 - Divulgar informació, idees, problemes i solucions provinents de la bioinformàtica i la biologia computacional a un públic general.
• S7 - Implementar mètodes de programació i anàlisi de dades a partir de l'elaboració d'hipòtesis de treball, dins de l'àrea d'estudi.
• S8 - Enfrontar-se a la presa de decisions, i defensar-les amb arguments, en la resolució de problemes de les àrees de biologia, així com, dins dels àmbits adequats, les ciències de la salut, les ciències de la computació i les ciències experimentals.

Competències

• C2 - Identificar la complexitat dels fenòmens econòmics i socials típics de la societat del benestar i relacionar el benestar amb la globalització, la sostenibilitat i el canvi climàtic per utilitzar de forma equilibrada i compatible la tècnica, la tecnologia, l'economia i la sostenibilitat.
• C3 - Comunicar-se de forma oral i escrita amb altres persones, en llengua anglesa, sobre els resultats de l'aprenentatge, de l'elaboració del pensament i de la presa de decisions.
• C4 - Treballar com a membre d'un equip interdisciplinar, ja sigui com un membre més o realitzant tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes (fins i tot empresarials o de recerca) amb pragmatisme i sentit de la responsabilitat i principis ètics, assumint compromisos tenint en compte els recursos disponibles.

Objectius

1. Presentar el seu treball davant dels seus companys
   Competències relacionades: C3,
2. Col·laborar amb altres estudiants per dur a terme una tasca de projecte.
   Competències relacionades: C4,
3. Desenvolupament de models matemàtics per treballar amb seqüències biològiques durant les pràctiques utilitzant el llenguatge de programació Python. Es proporcionaran diferents eines per visualitzar els resultats.
   Competències relacionades: K2, K4, K7, S1, S2, S3, S4, S5, S7, S8,
4. Desenvolupant habilitats de programació òptimes per minimitzar el temps computacional i l'empremta del canvi climàtic global.
   Competències relacionades: C2,
5. Entendre com l'alineació de seqüències i la filogenètica es poden aplicar a la medicina.
   Competències relacionades: K1,

Continguts

1. Contingut Teoric
   T1 = Tecnologies de seqüenciació. Genòmica computacional. Formats de fitxer per a dades de seqüències.
   T2 = Alineació de seqüències per parelles
   T3 = BLAST i alineació de seqüències múltiples
   T4 = Alineadors aproximats de coincidència de cadenes per a lectures curtes. Fonaments de la transformació Burrow-Wheeler. Introducció Alineació de lectura llarga.
   T5 = assemblatge del genoma de novo. Muntatge de lectura breu: gràfic de Debruijn i consens de disseny de superposició. Lectura llarga i muntatge híbrid. Bastida.
   T6 = Models de Markov ocults per a seqüències.
   T7 = Fonaments de Filogenètica. Algorismes bàsics en filogenètica.
   T8 = Filogenètica Mètodes basats en la distància.
   T9 = Mètodes basats en caràcters. Parsimònia, màxima versemblança i filogenètica bayesiana.

Activitats

Activitat Acte avaluatiu

Metodologia docent

Mètode d'avaluació

Bibliografia

Bàsica:

• Biological sequence analysis [Recurs electrònic] : probabilistic models of proteins and nucleic acids - Durbin, Richard, Cambridge University Press, 1998. ISBN: 9780521620413
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991000581539706711&context=L&vid=34CSUC_UPC:VU1
• Bioinformatics algorithms. An active learning approach. - Compeau, Phillip P; Pevzner, Pavel., Active Learning Publishers. , 2014. ISBN: 9780990374602
  
• Problems and Solutions in Biological Sequence Analysis - Borodovsky, Mark; Ekisheva, Svetlana, Cambridge University Press, 2006. ISBN: 978-0521847544
  
• The Phylogenetic Handbook: A Practical Approach to Phylogenetic Analysis and Hypothesis Testing - Lemey,P; Salemi, M; Vandamme, A, Cambridge, 2009. ISBN: 978-0521730716
  

Web links

• Will be provided during the lecture presentations http://None

Capacitats prèvies