Biologia de Sistemes i Xarxes

Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
FIS;UPF
Aquest curs proporciona una introducció als sistemes dinàmics i l'anàlisi de xarxes utilitzats en la biologia de sistemes contemporània. La gran majoria dels processos cel·lulars no depenen de l'operació d'un sol component de la maquinària de la cèl·lula (per exemple, un sol gen o proteïna), sinó de la interacció entre múltiples components que treballen junts com un sistema. L'objectiu d'aquest curs és descriure com aquest comportament emergent sorgeix de la interacció entre múltiples components cel·lulars, en forma de circuits i xarxes de gens i proteïnes. Atès que hi ha "feedbacks" en aquests circuits, el seu comportament no es pot predir de manera intuïtiva seguint l'estat dels components de la xarxa al llarg de les seves vies d'interacció. A causa d'aquestes limitacions, és necessari el modelatge matemàtic per establir el ventall de possibles comportaments que pot tenir una xarxa cel·lular i l'efecte de les pertorbacions (genètiques o bioquímiques) en aquests sistemes. Aquest curs presenta una visió general dels fenòmens emergents que sorgeixen dels circuits i xarxes cel·lulars, posant especial èmfasi en la seva descripció matemàtica.

Professorat

Responsable

Altres

Hores setmanals

Teoria
2
Problemes
2
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
6

Competències

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.
  • K3 - Identificar els fonaments matemàtics, les teories informàtiques, els esquemes algorísmics i els principis d'organització de la informació aplicables al modelat de sistemes biològics i a la resolució eficient de problemes bioinformàtics mitjançant el disseny d'eines computacionals.
  • 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.
  • 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. Modelització de la informació biològica en llenguatge matemàtic per a la seva posterior anàlisi i processament.
      Competències relacionades: K2, K3, S1, S3,
    2. Entendre i desenvolupar algoritmes en llenguatges computacionals.
      Competències relacionades: K2, K3, K4, S2, S7,
    3. Pensament crític i habilitats per a la resolució de problemes.
      Competències relacionades: K1, K2, K3, K7, S5, S8, C2, C3, C4,

    Continguts

    1. Biologia cel.lular en xifres
      Introduction to systems biology. Back-of-the-envelope calculations in biology.
    2. Modelització basada en sistemes dinàmics de processos de regulació cel.lular
      Introduction to dynamical systems theory. Gene expression and protein synthesis. Michaelis-Menten and Hill Equations.
    3. Xarxes funcionals en biologia
      The negative feedback loop: robustness and homeostasis.
      The feedforward motif: pulse generation and adaptation.
      The positive feedback loop: bistability and memory.
    4. Oscil.ladors bioquímics
      Linear stability analysis. Design principles of biochemical oscillators: delayed negative feedback and amplified negative feedback.
    5. Soroll en sistemes biològics
      Transcriptional noise. Master equation. The chemical Langevin equation. The Gillespie Algorithm.
    6. Xarxes biològiques
      Introduction to network theory. Network topology. Random graphs. Percolation.
      Network inference from dynamical data.

    Activitats

    Activitat Acte avaluatiu



    Examen final


    Objectius: 1 2 3
    Setmana: 18 (Fora d'horari lectiu)
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Examen parcial


    Objectius: 1 2 3
    Setmana: 8 (Fora d'horari lectiu)
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h


    Metodologia docent

    Les classes seran majoritàriament expositòries. Hi haurà sessions de problemes on es faran exercicis utilitzant Python.

    Mètode d'avaluació

    Per a l'avaluació de l'assignatura la nota del examen parcial (P), la nota del examen final (F) i la participació en les sessions de problemes (PBL) es tindran en compte seguint la següent fórmula:

    Nota final = max(0.3*P+0.6*F+0.1*PBL;0.1*PBL+0.9*F)

    Un estudiant es considera que ha cursat l'assignatura si es presenta a l'examen final i ha entregat totes les pràctiques. Si l'estudiant ha cursat l'assignatura però no l'ha aprovat, llavors pot presentar-se a l'examen de reavaluació (R) i, en aquest cas, la nota de l'assignatura serà el màxim entre R i 0.1*PBL+0.9*R.

    Bibliografia

    Bàsic

    Complementari

    Web links