Datos Identificativos 2019/20
Asignatura (*) Procesamento avanzado de secuencias biolóxicas Código 614522020
Titulación
Mestrado Universitario en Bioinformática para Ciencias da Saúde
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Segundo Optativa 3
Idioma
Castelán
Galego
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Bernardo Roca, Guillermo de
Correo electrónico
guillermo.debernardo@udc.es
Profesorado
Bernardo Roca, Guillermo de
Santos Reyes, Jose
Correo electrónico
guillermo.debernardo@udc.es
jose.santos@udc.es
Web http://moodle.udc.es
Descrición xeral A materia introduce estructuras de datos, algoritmos e ferramentas avanzadas para o procesamento de secuencias biolóxicas. En particular introdúcense técnicas de compresión e representación sucinta de secuencias biolóxicas, grafos e redes, e técnicas de predicción de estrutura de proteínas

Competencias do título
Código Competencias / Resultados do título
A1 CE1 - Capacidade para coñecer o eido de aplicación da bioinformática e os seus aspectos más importantes
A2 CE2 - Definir, avaliar e seleccionar a arquitectura e o software máis axeitado para resolver un problema no campo da Bioinformática
A3 CE3 - Analizar , deseñar , desenvolver, implementar , verificar e documentar solucións software eficientes sobre a base dun coñecemento adecuado das teorías, modelos e técnicas actuais no eido da Bioinformática
A6 CE6 – Capacidade para identificar as ferramentas software e fontes de datos de bioinformática máis relevantes, e adquirir destreza no seu uso
A8 CE8 - Comprender a base da información do material hereditario, a súa transmisión, análise e evolución
A9 CE9 - Entender os beneficios e comprender os problemas asociados a secuenciación e ao uso de secuencias biolóxicas, así como coñecer as estruturas e técnicas para o seu procesamento
B1 CB6 – Posuír e comprender o coñecemento que fornecen unha base ou oportunidade de orixinalidade no desenvolvemento e / ou aplicación de ideas, a miúdo nun contexto de investigación.
B2 CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidas dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
B8 CG3 - Ser capaz de traballar en equipa, en especial de carácter interdisciplinar
C6 CT6 - Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñibles para resolver os problemas cos que deben enfrontarse
C7 CT7 - Manter e asentar estratexias encamiñadas a actualización científica como criterio de mellora profesional.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Coñecer as principais estruturas de datos usadas no estado da arte para o almacenamento compacto e auto-indexado de secuencias, e algoritmos para o seu uso. AP1
AP2
AP9
Crear estruturas de datos comprimidas para realizar tarefas de análise e aliñamento de secuencias de forma eficiente en tempo e espazo. AP2
AP3
AP6
AP8
BP1
BP2
BP8
CP6
CP7
Coñecer os problemas asociados á predicción da estrutura secundaria e terciaria das proteínas e a súa importancia, así como os principais métodos de predicción do estado da arte. AP1
AP2
AP3
AP6
AP9
BP1
CP6
CP7

Contidos
Temas Subtemas
Compresión de secuencias biolóxicas Lempel-Ziv
Compresión de gramáticas
Indexación de secuencias biolóxicas Transformada de Burrows-Wheeler
FM-index
Aplicacións en busca e ensamblaxe
Representación sucinta de grafos e redes biolóxicas Estruturas para a representación compacta de grafos
Representación de redes biolóxicas
Aplicacións a secuencias biolóxicas
Predicción de estrutura de proteínas
Conceptos básicos de proteínas
Predicción de estrutura secundaria con métodos de aprendizaxe máquina
Métodos de predicción de estrutura terciaria
Modelado do plegado de proteínas

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A1 A2 A3 A6 A8 A9 11 11 22
Proba mixta A1 A2 A3 A6 A8 A9 B2 4 0 4
Prácticas a través de TIC A1 A2 B1 B2 B8 C6 C7 10 38 48
 
Atención personalizada 1 0 1
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Exposición dos contidos da materia
Proba mixta Realización dunha proba final para demostrar os coñecementos e competencias adquiridos durante as sesións maxistrais e as prácticas na aula
Prácticas a través de TIC Realización de prácticas, individuais ou en grupo, para desenvolver os conceptos adquiridos nas clases maxistrais

Atención personalizada
Metodoloxías
Prácticas a través de TIC
Descrición
Entre o alumnado pode haber diferenzas no nivel de coñecemento dos algoritmos e técnicas específicas utilizados como base para a asignatura. Prevese unha atención personalizada para o traballo realizado nas prácticas

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Proba mixta A1 A2 A3 A6 A8 A9 B2 Constará dunha proba na que deben ser demostrados os coñecementos e competencias adquiridos.

Para aprobar a materia globalmente hai que obter unha NOTA MÍNIMA de 1 (sobre 2) nesta proba. Non sendo así, a nota máxima global da materia non será en ningún caso superior a 4,9 e a materia considerarase sustpensa.
20
Prácticas a través de TIC A1 A2 B1 B2 B8 C6 C7 Os estudantes deberán entregar boletíns cos resultados das prácticas realizadas ou solución aos problemas propostos. 80
 
Observacións avaliación
PRIMEIRA OPORTUNIDADE

Terá calificación de NON PRESENTADO calquera estudante que non realice a proba mixta.

SEGUNDA OPORTUNIDADE

Só poderán presentarse á segunda oportunidade aqueles estudantes que non superen a materia na primeira oportunidade.

Na segunda oportunidade terá calificación de NON PRESENTADO calquera estudante que non opte a recuperar ningunha das partes.

OPORTUNIDADE ADIANTADA:

A avaliación na oportunidade
adiantada consistirá dunha proba escrita (100% da nota final), que
recollerá os coñecementos e competencias adquiridos durante as sesións
maxistrais e as prácticas.

DISPENSA ACADÉMICA:

Aqueles
estudantes con matrícula a tempo parcial e dispensa académica que lles
exima da asistencia ás clases deberán contactar cos docentes durante as
dúas primeiras semanas de clase para establecer as condicións de entrega
e defensa das prácticas.

PRIMEIRA OPORTUNIDADE
Oportunidade ganar

Fontes de información
Bibliografía básica N. C. Jones, P. A. Pevzner (2004). An introduction to bioinformatics algorithms. MIT Press
V. Mäkinen, D. Belazzougui, F. Cunial, A.I.Tomescu (2015). Genome-scale algorithm design. Cambridge University Press
A. Tramontano (2006). Protein structure prediction: Concepts and Applications. Wiley-VCH

Bibliografía complementaria T.K. Attwood, D.J. Parry-Smith (2002). Introducción a la bioinformática. Pearson educacion


Recomendacións
Materias que se recomenda ter cursado previamente
Estruturas de datos e algoritmia para secuencias biolóxicas/614522013

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías