Técnicas y Herramientas Bioinformáticas

Usted está aquí

Créditos
3
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos
Departamento
CS
El curso presenta algunas de las principales técnicas y herramientas utilizadas en genómica y pangenómica, tales como: concordancia de cadenas exacta y aproximada, alineación de secuencias múltiples y por pares, y concordancia de patrones y alineación de cadenas degeneradas.

Profesorado

Responsable

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

Horas semanales

Teoría
2
Problemas
1
Laboratorio
1
Aprendizaje dirigido
0
Aprendizaje autónomo
8.5

Competencias

Competencias Técnicas de cada especialidad

Dirección y gestión

  • CDG1 - Capacidad para la integración de tecnologías, aplicaciones, servicios y sistemas propios de la Ingeniería Informática, con carácter generalista, y en contextos más amplios y multidisciplinares.

Específicas

  • CTE7 - Capacidad para comprender y poder aplicar conocimientos avanzados de computación de altas prestaciones y métodos numéricos o computacionales a problemas de ingeniería.
  • CTE9 - Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.

Competencias Técnicas Genéricas

Genéricas

  • CG4 - Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería en Informática.

Competencias Transversales

Uso solvente de los recursos de información

  • CTR4 - Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información del ámbito de la ingeniería informática y valorar de forma crítica los resultados de esta gestión.

Básicas

  • CB6 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

Objetivos

  1. Comprender algoritmos y estructuras de datos de coincidencia de patrones y su implementación en un lenguaje de programación moderno, y aplicarlos para resolver problemas prácticos en bioinformática.
    Competencias relacionadas: CB6, CTR4, CDG1, CTE7, CTE9, CG4,

Contenidos

  1. Algoritmos y estructuras de datos eficientes de búsqueda
    Se mostrarán los algoritmos más eficientes para buscar patrones en textos en función del alfabeto y la longitud y número de patrones. También se explicarán estructuras de datos que son muy útiles para comparar genomas, como árboles de sufijos, matrices de sufijos y la transformada de Burrows-Wheeler.
  2. Alineación de secuencias
    Se explicará la programación dinámica y hablaremos de su aplicación para calcular la distancia de edición entre dos palabras, para la búsqueda aproximada de una palabra en un texto y encontrar la mejor alineación entre dos secuencias. También estudiaremos cómo generalizar la alineación a múltiples secuencias.
  3. Búsquedas en bases de datos: BLAST
    Se introducirán los fundamentos computacionales y estadísticos del algoritmo BLAST y su uso para búsquedas aproximadas en bases de datos.
  4. Alineación de cadenas degeneradas
    Se explicará la generalización a pangenomas de los problemas de búsqueda de patrones en genomas y se introducirán las extensiones del algoritmo de Boyes-Moore y de la transformada de Burrows-Wheeler para la alineación de cadenas degeneradas.

Actividades

Actividad Acto evaluativo


Algoritmos y estructuras de datos eficientes de búsqueda


Objetivos: 1
Contenidos:
Teoría
4h
Problemas
2h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Alineación de secuencias


Objetivos: 1
Contenidos:
Teoría
4h
Problemas
2h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Búsquedas en bases de datos: BLAST


Objetivos: 1
Contenidos:
Teoría
2h
Problemas
1h
Laboratorio
1h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Alineación de cadenas degeneradas


Objetivos: 1
Contenidos:
Teoría
2h
Problemas
1h
Laboratorio
1h
Aprendizaje dirigido
0h
Aprendizaje autónomo
6h

Presentación de algoritmos y estructuras de datos avanzadas


Objetivos: 1
Semana: 7 (Fuera de horario lectivo)
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
15h

Metodología docente

En las sesiones teóricas, el profesor introducirá algoritmos y estructuras de datos, combinándolos con ejemplos y resolución de problemas. En las sesiones de resolución de problemas, los estudiantes trabajarán su propia resolución de problemas, bajo la supervisión y asistencia del profesor.

Método de evaluación

Habrá un examen final (a mitad de cuatrimestre), en el que los estudiantes explicarán algoritmos y estructuras de datos avanzadas de la literatura de investigación. La nota final será sólo la nota del examen final.

Bibliografía

Básica:

Complementaria: