Genética de Poblaciones y Evolución Molecular

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
UB;UAB
Este curso ofrece una introducción integral a los principios clave que gobiernan la evolución de las secuencias de ADN y proteínas, tanto dentro como entre poblaciones. Cubre temas esenciales como el estudio de la variabilidad genética, el desequilibrio de ligamiento, los efectos de las distintas fuerzas evolutivas en el cambio evolutivo, la teoría neutralista de la evolución molecular y el papel de la adaptación en la divergencia de las especies. También se hace énfasis en los enfoques computacionales, incluyendo los algoritmos y software comúnmente utilizados para analizar la evolución génica y genómica. El curso combina clases teóricas presenciales, sesiones de resolución de problemas y prácticas con actividades cortas diseñadas para reforzar los conceptos clave.

Profesorado

Responsable

Otros

Horas semanales

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

Competencias

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.
  • 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. Lograr una comprensión sólida de los procesos que gobiernan la evolución de las secuencias biológicas.
      Competencias relacionadas: C2, C3, C4, K1, S1, S3, S8,
    2. Adquirir habilidades prácticas en la aplicación de herramientas computacionales para analizar datos de genética de poblaciones molecular y divergencia.
      Competencias relacionadas: C3, K3, K7, S2, S5, S7,
    3. Introduir-se en els principis teòrics, matemàtics i algorítmics implicats en la genètica poblacional i l¿evolució molecular.
      Competencias relacionadas: C3, K2, K3, S3,

    Contenidos

    1. Variación genética
      Tipos de variación genética, frecuencias alélicas y genotípicas, equilibrio de Hardy-Weinberg.
    2. Deriva genética y mutación
      Deriva genética. Mutación. Variación genética neutra.
    3. Selección natural
      Modelo básico de selección natural. Aptitud y coeficiente de selección. Selección equilibradora.
    4. Migración y estructura poblacional
      Modelo continente-isla. Índices de fijación
    5. Extensión de la genética de poblaciones: genética de poblaciones molecular.
      Medición del polimorfismo del ADN. Desequilibrio de ligamiento. Arrastre selectivo. Mapeo genético. GWAS.
    6. Adaptación molecular y pruebas de neutralidad
      Inferir la selección natural a partir de datos de secuencia: pruebas de neutralidad: D de Tajima, HKA y MK.
    7. Relojes moleculares y la teoría neutralista de la evolución molecular
      Base teórica y conceptos clave. Consecuencias predichas y ejemplos con datos biológicos.
    8. Modelización de la evolución de secuencias
      Estimación de la divergencia de secuencias y tasas evolutivas. Aplicación de simulaciones computacionales en el estudio de la evolución molecular. Simulaciones "backward-" y "forward-time".
    9. Adaptación molecular y divergencia funcional
      Inferencia de la selección natural a partir de datos de divergencia. Modelos de sustitución de codones. Cambios en las tasas de sustitución de aminoácidos tras la duplicación génica y la especiación.

    Actividades

    Actividad Acto evaluativo





    Examen parcial


    Objetivos: 1
    Semana: 9
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Examen final


    Objetivos: 1 3
    Semana: 17
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Metodología docente

    La enseñanza en el aula incluirá una combinación de clases teóricas, seminarios interactivos y sesiones prácticas en el laboratorio de informática.

    Las clases teóricas proporcionarán los conocimientos fundamentales y los conceptos clave del curso, ofreciendo a los estudiantes la oportunidad de hacer preguntas y participar en discusiones para profundizar en su comprensión.

    Los seminarios se centrarán en el aprendizaje activo, donde los estudiantes analizarán estudios de investigación reales con mayor profundidad.

    Las sesiones prácticas en el laboratorio de informática ofrecerán experiencia práctica con software y herramientas especializadas para analizar datos, realizar simulaciones y aplicar conceptos en escenarios de datos de investigaciones reales.

    Método de evaluación

    Para completar el curso con éxito, el estudiante debe participar en todas las actividades evaluadas y obtener una calificación final superior a 5/10.

    La calificación final se calculará de la siguiente manera (la calificación final máxima es 10):

    4 puntos: Examen final
    4 puntos: Examen parcial
    2 puntos: Evaluación de las sesiones prácticas

    Información sobre la recuperación
    El alumnado que no alcance una nota final de 5 deberá realizar el examen de recuperación.
    En este examen solo se podrá recuperar la parte teórica de la asignatura. Los trabajos prácticos y otras actividades no son recuperables.

    Bibliografía

    Básico

    Complementario

    Web links