Técnicas y Herramientas Bioinformáticas

Usted está aquí

Créditos
3
Tipos
Optativa
Requisitos
Esta asignatura no tiene requisitos
Departamento
CS
In this course the main genomic techniques and tools will be given: exact and approximated string matching , alignment algorithms, phylogenetic algorithms, Blast, Hiddem Markov Models, Genome sequencing, ...

Profesores

Responsable

  • Xavier Messeguer Peypoch ( )

Otros

  • Gabriel Valiente Feruglio ( )

Horas semanales

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

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.

Contenidos

  1. Algoritmos y estructuras eficientes de búsqueda
    Se verán los algoritmos más eficientes de búsqueda de patrones en función del alfabeto, y de la longitud y el número de los patrones. También se explicarán estructuras de datos muy útiles para comparar genomas como elossuffix trees. Finalmente se estudiarán estrategias para hacer búsquedas en textos muy largos (Gb).
  2. Alineamiento de secuencias
    Se explicará el algoritmo de programación dinámica y su aplicación para calcular la distancia de edición entre dos palabras, para realizar búsquedas aproximada en un texto y para encontrar el mejor alineamiento entre dos secuencias. Finalmente se estudiará el alineamiento de múltiples secuencias.
  3. Búsquedas en bases de datos: BLAST
    Se estudiarán los fundamentos computacionales y estadísticos del algoritmo BLAST y su uso para realizar búsquedas aproximadas en bases de datos.
  4. Algoritmos filogenéticos
    Se explicarán los algoritmos fundamentales que nos permiten estimar la evolución de los individuos de una misma especie.
  5. Modelos ocultos de Markov
    Se explicarán los Modelos Ocultos de Markov y casos en que son aplicados en bioinformática.

Metodología docente

El curso se propone con 16 horas de clases teóricas, para comprender los fundamentos teóricos de las técnicas utilizadas, y las 10h de sesiones de laboratorio para conocer las herramientas principales.

Las sesiones teóricas (y de problemas) se daran pizarra con diapositivas ..

Las sesiones de laboratorio se dedicaran a prácticar con los programas diseñados para cada tema.

Método de evaluación

La nota final (NF) tiene dos contribuciones: una nota de laboratorio (NL) que califica los informes que los alumnos han entregado sobre los ejercicios propuestos en el laboratorio y una nota de examen (NE) resultado de un examen final.

Así la nota final (NF) será:
NF = NE * 0.7 + NL * 0.3

Bibliografía

Básica: