Biología de Sistemas y Redes

Usted está aquí

Inicio » Estudios » Grados » Grado en Bioinformática » Plan de estudios » Asignaturas » Biología de Sistemas y Redes
Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos
Departamento
FIS
Este curso proporciona una introducción a los sistemas dinámicos y el análisis de redes utilizados en la biología de sistemas contemporánea. La gran mayoría de los procesos celulares no dependen de la operación de un solo componente de la maquinaria de la célula (por ejemplo, un solo gen o proteína), sino de la interacción entre múltiples componentes que trabajan juntos como un sistema. El objetivo de este curso es describir cómo este comportamiento emergente surge de la interacción entre múltiples componentes celulares, en forma de circuitos y redes de genes y proteínas. Dado que hay "feedback" en estos circuitos, su comportamiento no se puede predecir de manera intuitiva siguiendo el estado de los componentes de la red a lo largo de sus vías de interacción. Debido a estas limitaciones, es necesario el modelado matemático para establecer la gama de comportamientos posibles que puede tener una red celular y el efecto de las perturbaciones (genéticas o bioquímicas) en estos sistemas. Este curso presenta una visión general de los fenómenos emergentes que surgen de los circuitos y redes celulares, poniendo énfasis en su descripción matemática.

Profesorado

Responsable

  • David Oriola Santandreu ( )

Otros

  • Adrián Francisco Tauste Campo ( )
  • Laura Aviñó Esteban ( )

Horas semanales

Teoría
2
Problemas
2
Laboratorio
0
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Resultados de aprendizaje

Resultados de aprendizaje

Conocimientos

  • K1 - Reconocer los principios básicos de la biología, desde la escala celular a la de organismo, y cómo estos se relacionan con los conocimientos actuales en los campos de la bioinformática, del análisis de datos y del aprendizaje automático; alcanzando así una visión interdisciplinar con especial énfasis en aplicaciones biomédicas.
  • K2 - Identificar los métodos estadísticos y computacionales y los modelos matemáticos que permiten resolver problemas en los campos de la biología molecular, la genómica, la investigación médica y la genética de poblaciones.
  • K3 - Identificar los fundamentos matemáticos, las teorías informáticas, los esquemas algorítmicos y los principios de organización de la información aplicables al modelado de sistemas biológicos y a la resolución eficiente de problemas bioinformáticos mediante el diseño de herramientas computacionales.
  • K4 - Integrar los conceptos ofrecidos por los lenguajes de programación de mayor uso en el ámbito de las Ciencias de la Vida para modelar y optimizar estructuras de datos y construir algoritmos eficientes, relacionándolos entre sí y con sus casos de aplicación.
  • K7 - Analizar las fuentes de informaciones científicas, válidas y fiables, para fundamentar el estado de la cuestión de un problema bioinformático y poder abordar su resolución.

Habilidades

  • S1 - Integrar datos ómicos y clínicos para obtener una mayor comprensión y un mejor análisis de los fenómenos biológicos.
  • S2 - Analizar computacionalmente secuencias de ADN, ARN y proteínas, incluyendo análisis comparativos de genomas, usando la computación, las matemáticas y la estadística como herramientas básicas de la bioinformática.
  • S3 - Resolver problemas en los campos de la biología molecular, la genómica, la investigación médica y la genética de poblaciones mediante la aplicación de métodos estadísticos y computacionales y modelos matemáticos.
  • S5 - Divulgar información, ideas, problemas y soluciones provenientes de la bioinformática y la biología computacional a un público general.
  • S7 - Implementar métodos de programación y análisis de datos orientados a partir de la elaboración de hipótesis de trabajo, dentro del área de estudio.
  • S8 - Enfrentarse a la toma de decisiones, y defenderlas con argumentos, en la resolución de problemas de las áreas de biología, así como, dentro de los ámbitos adecuados, las ciencias de la salud, las ciencias de la computación y las ciencias experimentales.

Competencias

  • C2 - Identificar la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar y relacionar el bienestar con la globalización, la sostenibilidad y el cambio climático para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.
  • C3 - Comunicarse de forma oral y escrita con otras personas, en lengua inglesa, sobre los resultados del aprendizaje, de la elaboración del pensamiento y de la toma de decisiones.
  • C4 - Trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con el fin de contribuir a desarrollar proyectos (incluso empresariales o de investigación) con pragmatismo y sentido de la responsabilidad y principios éticos, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Objetivos

  1. Modelización de la información biológica en lenguaje matemático para su posterior análisis y procesamiento.
    Competencias relacionadas: K2, K3, S1, S3,
  2. Entender y desarrollar algoritmos en lenguajes computacionales.
    Competencias relacionadas: K2, K3, K4, S2, S7,
  3. Pensamiento crítico y habilidades para la resolución de problemas.
    Competencias relacionadas: C2, C3, C4, K1, K2, K3, K7, S5, S8,

Contenidos

  1. Biología celular en cifras
    Introduction to systems biology. Back-of-the-envelope calculations in biology.
  2. Modelización basada en sistemas dinámicos de processos de regulación celular
    Introduction to dynamical systems theory. Gene expression and protein synthesis. Michaelis-Menten and Hill Equations.
  3. Redes funcionales en biología
    The negative feedback loop: robustness and homeostasis.
    The feedforward motif: pulse generation and adaptation.
    The positive feedback loop: bistability and memory.
  4. Osciladores bioquímicos
    Linear stability analysis. Design principles of biochemical oscillators: delayed negative feedback and amplified negative feedback.
  5. Ruido en sistemas biológicos
    Transcriptional noise. The chemical Langevin equation. The Gillespie Algorithm.
  6. Redes biológicas
    Introduction to network theory. Network topology. Random graphs. Percolation.
    Network inference from dynamical data.

Actividades

Actividad Acto evaluativo



Examen final


Objetivos: 1 2 3
Semana: 18 (Fuera de horario lectivo)
Teoría
3h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Examen parcial


Objetivos: 1 2 3
Semana: 8 (Fuera de horario lectivo)
Teoría
0h
Problemas
2h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h


Metodología docente

Las clases serán mayoritariamente expositivas. Habrá sesiones de problemas en las que se harán ejercicios utilizando Python.

Método de evaluación

Para la evaluación de la asignatura se tendrán en cuenta la nota del examen parcial (P), la nota del examen final (F) y la participación en las sesiones de problemas, siguiendo la siguiente fórmula:

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

Un estudiante se considera que ha cursado la asignatura si se presenta al examen final. Si el estudiante ha cursado la asignatura pero no la ha aprobado, entonces puede presentarse al examen de reevaluación (R) y, en este caso, la nota de la asignatura será el máximo entre R y 0.1*PBL+0.9*R.

Bibliografía

Básica:

Complementaria:

  • Cell Biology by the numbers - PHILIPS, Rob; MILO; Ron, Garland Science , 2015.
  • Design principles of biochemical oscillators - NOVAK, Bela; TYSON; John J., Nature Reviews Molecular Cell Biology , 2008/9.
    https://doi.org/10.1038/nrm2530
  • Network biology: understanding the cell's functional organization - BARABASI, Albert-László; OLTVAI, Zoltán N., Nature Reviews Genetics , 2004/5.
    https://www.nature.com/articles/nrg1272

Web links