Tècniques i Eines Bioinformàtiques

Esteu aquí

Crèdits
3
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits
Departament
CS
El curs presenta algunes de les principals tècniques i eines utilitzades en genòmica i pangenòmica, com ara: la concordança de cadenes exacta i aproximada, l'alineació de seqüències per parelles i múltiple, i la concordança de patrons i l'alineació de cadenes degenerades.

Professorat

Responsable

  • Gabriel Valiente Feruglio ( )
  • Xavier Messeguer Peypoch ( )

Hores setmanals

Teoria
2
Problemes
1
Laboratori
1
Aprenentatge dirigit
0
Aprenentatge autònom
8.5

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.

Objectius

  1. Comprendre algorismes i estructures de dades de concordança de patrons i la seva implementació en un llenguatge de programació modern, i aplicar-los per resoldre problemes pràctics en bioinformàtica.
    Competències relacionades: CB6, CTR4, CDG1, CTE7, CTE9, CG4,

Continguts

  1. Algorismes i estructures de dades eficients de cerca
    Es mostraran els algorismes més eficients per a la cerca de patrons en textos basats en l'alfabet i la longitud i el nombre de patrons. També s'explicaran estructures de dades molt útils per comparar genomes com ara arbres de sufixos, matrius de sufixos i la transformada de Burrows-Wheeler.
  2. Alineació de seqüències
    S'explicarà la programació dinàmica i parlarem de la seva aplicació per calcular la distància d'edició entre dues paraules, per a la cerca aproximada d'una paraula en un text i per trobar la millor alineació entre dues seqüències. També estudiarem com generalitzar l'alineació a múltiples seqüències.
  3. Cerques en bases de dades: BLAST
    S'introduiran els fonaments computacionals i estadístics de l'algorisme BLAST i el seu ús per a cerques aproximades en bases de dades.
  4. Alineació de cadenes degenerades
    S'explicarà la generalització a pangenomes dels problemes de cerca de patrons i s'introduiran les extensions de l'algorisme de Boyes-Moore i de la transformada de Burrows-Wheeler per a l'alineació de cadenes degenerades.

Activitats

Activitat Acte avaluatiu


Algorismes i estructures de dades eficients de cerca


Objectius: 1
Continguts:
Teoria
4h
Problemes
2h
Laboratori
2h
Aprenentatge dirigit
0h
Aprenentatge autònom
12h

Alineació de seqüències


Objectius: 1
Continguts:
Teoria
4h
Problemes
2h
Laboratori
2h
Aprenentatge dirigit
0h
Aprenentatge autònom
12h

Cerques en bases de dades: BLAST


Objectius: 1
Continguts:
Teoria
2h
Problemes
1h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
6h

Alineació de cadenes degenerades


Objectius: 1
Continguts:
Teoria
2h
Problemes
1h
Laboratori
1h
Aprenentatge dirigit
0h
Aprenentatge autònom
6h

Presentació d'algorismes i estructures de dades avançades


Objectius: 1
Setmana: 7 (Fora d'horari lectiu)
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
15h

Metodologia docent

En les sessions teòriques, el professor introduirà algorismes i estructures de dades, combinats amb exemples i resolució de problemes. En les sessions de resolució de problemes, els estudiants treballaran la seva pròpia resolució de problemes, sota la supervisió i assistència del professor.

Mètode d'avaluació

Hi haurà un examen final (a mig quadrimestre) en el qual els estudiants explicaran algorismes i estructures de dades avançades de la literatura de recerca. La nota final serà només la nota de l'examen final.

Bibliografia

Bàsica:

Complementaria: