Guía docente de Biología Computacional con Big Data-Omics e Ingeniería Biomédica (M51/56/3/9)

1. Aplicaciones bioinformáticas: descripción y requisitos de cómputo. Ingeniería Biomédica.

2. Redes de información. Recursos de información sobre genomas. Recursos de información sobre proteínas. Bases de datos biológicas públicas.

3. Utilización de sistemas inteligentes en bioinformática.

4. Técnicas de secuenciación y alineamiento.

5. Procesamiento paralelo en la predicción de la estructura y función de proteínas.

6. Computación de altas prestaciones en bioinformática en la red. Big Data-omics.

7. Software y herramientas disponibles.

(AP1) Aplicaciones bioinformáticas: descripción y requisitos de cómputo. Análisis de secuencias genómicas, alineamientos, estructura y función de proteínas, árboles filogenéticos etc. Técnicas ómicas: Genómica, Página 3 Epigenómica, Transcriptómica y Proteómica. Aplicaciones en Ingeniería Biomédica.

(AP2) Procesamiento avanzado en la expresión diferencial de genes. Microarrays: Procesamiento de imagen, normalización, transformación de datos, clustering y clasificación.

(AP3) Procesamiento avanzado en la secuenciación de nueva generación. Pre-procesamiento de datos, análisis de calidad, técnicas de visualización y mapeo de secuencias. para el alineamiento de secuencias y análisis filogenético.

(AP4) Herramientas de cómputo avanzadas para el análisis de datos en expresión diferencia del genes en RNASeq.

(AP5) Herramientas de cómputo avanzadas en proteómica. Introducción a la predicción de estructuras, redes de interacción.

(AP6) Computación de altas prestaciones en bioinformática en la red. Bases de datos biológicas públicas. Software y herramientas disponibles.

1. Aplicaciones bioinformáticas: descripción y requisitos de cómputo. Ingeniería Biomédica.

2. Redes de información. Recursos de información sobre genomas. Recursos de información sobre proteínas. Bases de datos biológicas públicas.

3. Utilización de sistemas inteligentes en bioinformática.

4. Técnicas de secuenciación y alineamiento.

5. Procesamiento paralelo en la predicción de la estructura y función de proteínas.

6. Computación de altas prestaciones en bioinformática en la red. Big Data-omics.

7. Software y herramientas disponibles.

8. Estudios de identificación de biomarcadores en expresión de gen para cáncer.

Práctica 1. Extracción de genes diferencialmente expresados en diferentes cánceres.

Práctica 2. Construcción de modelos de clasificación de diferentes tipos de cáncer.

Práctica 3. Enriquecimiento de genes seleccionados para diagnóstico de cáncer.

Ashburner, M., Ball, C. A., Blake, J. A., Botstein, D., Butler, H., Cherry, J. M.,Davis, A. P., Dolinski, K., Dwight, S. S., Eppig, J. T., et al. (2000). Gene ontology: tool for the unification of biology. Nature Genetics, 25(1):25-29.

Attwood, T. and Parry-Smith, D. (2003). Multiple sequence analysis. In Introduction to Bioinformatics, Cell and molecular biology in action series. Prentice Hall.

Castillo-Secilla D, Galvez JM, Carrillo-Perez F, Verona-Almeida M, Ortuno FM, Herrera LJ, Rojas. I (2020). KnowSeq: KnowSeq R/Bioc package: Beyond the traditional Transcriptomic pipeline. R package version 1.2.0.

Castillo-Secilla D, Galvez JM, Carrillo-Perez F, Verona-Almeida M, Redondo-Sánchez D, Ortuno FM, Herrera LJ, Rojas. I (2021) KnowSeq R-Bioc package: The automatic smart gene expression tool for retrieving relevant biological knowledge, Computers in Biology and Medicine, Volume 133, 104387.

Practical nonparametric statistics. Wiley, New York, 3er edition edition. Página 4 Eiben, A. E. and Smith, J. E. (2008). Introduction to Evolutionary Computing (Natural Computing Series). Springer.

Kemena, C., Taly, J. F., Kleinjung, J., and Notredame, C. (2011). Strike: evaluation of protein msas using a single 3d structure. Bioinformatics, 27(24):3385–3391.

Ku, C.-S. and Roukos, D. H. (2013). From next-generation sequencing to nanopore sequencing technology: paving the way to personalized genomic medicine. Expert Review of Medical Devices, 10(1):1–6.

Roslan, R., Othman, R., Shah, Z., Kasim, S., Asmuni, H., Taliba, J., Hassan, R., and Zakaria, Z. (2010). Utilizing shared interacting domain patterns and gene ontology information to improve protein-protein interaction prediction. Computers in Biology and Medicine, 40:555–564.

Xiong, J. (2006). Essential Bioinformatics. Cambridge University Press.

Gómez-López, G., Dopazo, J., Cigudosa, J. C., Valencia, A., & Al-Shahrour, F. (2019). Precision medicine needs pioneering clinical bioinformaticians. Briefings in bioinformatics, 20(3), 752-766.

National Center for Biotechnology Information (NCBI) (2013). The ncbi handbook. http:// www.ncbi.nlm.nih.gov/books/NBK143764/.

National Human Genome Research Institute (NHGRI) (2014). Dna sequencing costs. http://genome.gov/sequencingcosts.

National Human Genome Research Institute (NHGRI) (2014). Talking glossary of genetic terms. http://genome.gov/Glossary.

GDC Portal. https://portal.gdc.cancer.gov/

Collins, F. S., Morgan, M., and Patrinos, A. (2003). The human genome project: lessons from large-scale biology. Science, 300(5617):286–290.

Conover, W. J. (1999). U.S. National Library of Medicine (NLM) (2014). Handbook: Help me understand genetics. http://ghr.nlm.nih.gov/handbook.

Sitio web del Máster Universitario Oficial en Ciencia de Datos e Ingeniería de Computadores: http://masteres.ugr.es/datcom/

National Center for Biotechnology Information (NCBI) https://www.ncbi.nlm.nih.gov/

The ncbi handbook. http://www.ncbi.nlm.nih.gov/books/NBK143764/. Bethesda (MD): National Center for Biotechnology Information (US); 2013.

Dna sequencing costs. http://genome.gov/sequencingcosts.

National Human Genome Research Institute (NHGRI) https://www.genome.gov/

Talking glossary of genetic terms. https://www.genome.gov/genetics-glossary National Human Genome Research Institute (NHGRI)

Handbook: Help me understand genetics. http://ghr.nlm.nih.gov/handbook.

La metodología de evaluación por defecto según la normativa de la Universidad de Granada es la evaluación continua. El material de teoría y prácticas de la asignatura está disponible en la plataforma docente y se puede acceder a él para su estudio y para el desarrollo de los trabajos de la asignatura. Se solicita al alumno un primer trabajo teórico-práctico (50%-50%) que cuenta un 30% de la calificación sobre un cáncer concreto. Finalmente se complementa con un trabajo teórico-práctico final (50%-50%), que cuenta un 70% de la nota final, sobre un cáncer escogido por el alumno. Ambos trabajos están relacionado con los guiones de prácticas y docencia impartida en el curso. Se evalúan existiendo realimentación y consulta al alumnado, y con ello se determina la calificación.

En las convocatorias extraordinarias se realizará en un solo acto académico. Dicha prueba (evaluada de 0 a 10) incluirá pruebas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta guía docente.

Alternativamente a la evaluación continua, el alumno puede optar por la evaluación única final según lo dispuesto en la normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada (http://secretariageneral.ugr.es/pages/normativa/ugr/ncg7121). Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura, lo solicitará al Coordinador del Máster, quienes darán traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua. La evaluación en tal caso consistirá en el mismo procedimiento que el indicado bajo el epígrafe " EVALUACIÓN EXTRAORDINARIA".