Tècniques i Eines Bioinformàtiques

Esteu aquí

Crèdits
3
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits
Departament
CS
En aquest curs s'explicaran tècniques i eines fonamentals de la genómica: algorismes de cerca exacta i aproximada, algorismes d'alineament, algorismes filogenètics , Blast, models ocults de Markov, estratègies de seqüenciació del DNA

Professors

Responsable

  • Xavier Messeguer Peypoch ( )

Altres

  • Gabriel Valiente Feruglio ( )

Hores setmanals

Teoria
2
Problemes
1
Laboratori
1
Aprenentatge dirigit
0
Aprenentatge autònom
0

Competències

Competències Tècniques de cada especialitat

Direcció i gestió

  • CDG1 - Capacitat per a la integració de tecnologies, aplicacions, serveis i sistemes propis de l'Enginyeria Informàtica, amb caràcter generalista, i en contextos més amplis i multidisciplinaris.

Específiques

  • CTE7 - Capacitat per a comprendre i poder aplicar coneixements avançats de computació d'altes prestacions i mètodes numèrics o computacionals a problemes d'enginyeria.
  • CTE9 - Capatitat per a aplicar mètodes matemàtics, estadístics i d'intel·ligència artificial per a modelar, dissenyar i desenvolupar aplicacions, serveis, sistemes intel·ligents i sistemes basats en el coneixement.

Competències Tècniques Generals

Genèriques

  • CG4 - Capacitat pel modelat matemàtic, càlcul i simulació en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca, desenvolupament i innovació en tots els àmbits relacionats amb l'Enginyeria en Informàtica.

Competències Transversals

ús solvent dels recursos d'informació

  • CTR4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i d'informació de l'àmbit de l'enginyeria informàtica, i valorar de forma crítica els resultats d'aquesta gestió.

Bàsiques

  • CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.

Continguts

  1. Algorismes i estructures eficients de cerca
    Es veuran els algorismes més eficients de cerca de patrons en textos en funció de l'alfabet, i de la llargada i el nombre dels patrons. També s'explicaran estructures de dades molt útils per comparar genomes com el suffix trees . Finalment s'estudiaran estratègies per fer cerques en textos molt llargs (Gb).
  2. Alineament de seqüències
    S'explicarà l'algorisme de programació dinàmica i la seva aplicació per calcular la distància dèdició entre dos mots, per fer la cerca aproximada d'un mot en un text i per trobar el millor alineament entre dues seqüències. S'estudiarà com generalitzar l'alineament a múltiples seqüències.
  3. Cerques en bases de dades: BLAST
    S'estudiaran els fonaments computacionals i estadístics de l'algorisme BLAST i el seu ús per fer cerques aproximades en bases de dades.
  4. Algorismes filogenètics.
    S'explicaran els algorismes fonamentals que ens permeten estimar la evolució dels individus d'una mateixa espècie.
  5. Models Ocults de Markov
    S'explicaran els HMM (Hidden Markov Models) i casos de la seva aplicació a la bioinformàtica.

Metodologia docent

Globalment l'assignatura es planteja amb 16h de teoria per entendre els fonaments teòrics de les tècniques utilitzades i 10h de laboratori per conèixer les corresponents eines.

Les classes de teoria (i problemes) seran sobre pissarra amb transparències y s'explicarà la teoria i es faran exercicis per entendre-la.

A les classes de laboratori es practicarà amb els programes dissenyats per cada tema.

Mètode d'avaluació

La nota final (NF) té dues contribucions: una nota de laboratori (NL) que qualifica els informes que els alumnes han lliurat dels exercicis proposats en el laboratori i una nota d'examen (NE) resultat d'un examen final.

Així la nota final (NF) serà:
NF=NE*0.7+NL*0.3

Bibliografia

Bàsica: