Datos Identificativos 2023/24
Asignatura (*) Estruturas de datos e algoritmia para secuencias biolóxicas Código 614522013
Titulación
Mestrado Universitario en Bioinformática para Ciencias da Saúde
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Obrigatoria 6
Idioma
Castelán
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Ladra González, Susana
Correo electrónico
susana.ladra@udc.es
Profesorado
Ladra González, Susana
Silva Coira, Fernando
Correo electrónico
susana.ladra@udc.es
fernando.silva@udc.es
Web
Descrición xeral A materia introduce algoritmos e estruturas de datos conmunmente utilizados no ámbito da bioloxía computacional.

Competencias do título
Código Competencias 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
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 do título
Coñecer as estruturas de datos básicas e os algoritmos utilizados para o almacenamento compacto de secuencias biolóxicas e o seu procesamento. AP1
AP2
AP9
Analizar e comparar as estruturas de datos e a complexidade dos algoritmos que as manexan. AP2
AP3
BP1
CP6
CP7
Entender, analizar, deseñar e implementar solucións a diferentes problemas fundamentais do aliñamento de secuencias, como a corrección de erros nas lecturas, ensamblaxe de cóntigos, recheo de ocos, etc. AP1
AP2
AP3
AP8
AP9
BP1
BP2
BP8
CP6
CP7
Explicar, analizar, deseñar e implementar solucións a problemas relacionados coa evolución, como ensamblaxe de haplotipos, descubrimento de motivos, patróns de permutacións, reordenamiento do xenoma, etc. AP1
AP2
AP3
AP8
AP9
BP1
BP2
BP8
CP6
CP7

Contidos
Temas Subtemas
Introdución á análise de algoritmos e complexidade Análise de algoritmos
Complexidade
Busca de patróns en secuencias Métodos de busca exacta
Métodos de busca aproximada
Árbores e arrays de sufixos
Introdución á compresión e indexación de secuencias Técnicas de compresión
Índices e autoíndices
Aplicacións sobre secuencias biolóxicas Comparación de secuencias
Busca de motivos
Reordenamento do xenoma
Aliñamento de secuencias
Ensamblaxe de secuencias
Análise filoxenético

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas a través de TIC A2 A3 B1 B2 B8 C7 C6 14 70 84
Proba mixta A1 A2 A3 A8 A9 B2 3 0 3
Sesión maxistral A1 A2 A3 A8 A9 28 32 60
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas a través de TIC Realización de prácticas en ordenador, boletíns e traballos para desenvolver os conceptos adquiridos nas clases maxistrais.
Proba mixta Realización dunha proba escrita para demostrar os coñecementos e competencias adquiridos en relación á materia durante as sesións maxistrais e as prácticas na aula.
Sesión maxistral Exposición dos contidos da materia. Realizarase un seguemento continuado e obxectivable da participación activa.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas a través de TIC
Descrición
Entre o alumnado haberá diferenzas notables en canto ao seu coñecemento sobre algoritmos e estructuras de datos. Por iso, prevese unha atención personalizada para as prácticas na aula e para o traballo, que se desenvolverán de forma individual ou en grupo.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Proba mixta A1 A2 A3 A8 A9 B2 Constará dunha proba escrita na que deben ser demostrados os coñecementos e as competencias adquiridos durante as clases maxistrais e as prácticas.

Para aprobar a materia globalmente hai que obter na proba mixta unha NOTA MÍNIMA de 1,5 (sobre 4). Non sendo así, a nota máxima GLOBAL da materia non será en ningún caso superior a un 4,9 (e polo tanto a materia se considerará SUSPENSA).
40
Sesión maxistral A1 A2 A3 A8 A9 Realizarase un seguemento continuado e obxectivable da participación activa durante as clases maxistrais, mediante entregas de exercicios realizados durante estas clases. Esta parte da avaliación non poderá ser recuperada na segunda oportunidade. 10
Prácticas a través de TIC A2 A3 B1 B2 B8 C7 C6 Realizarase unha avaliación do traballo realizado polo alumnado durante as clases de prácticas. Este traballo deberá ser entregado e defendido antes das datas propostas polo profesorado da materia. En caso de que non realizarse en tempo, poderá ter unha penalización na nota. 50
 
Observacións avaliación

PRIMEIRA OPORTUNIDADE:

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

SEGUNDA OPORTUNIDADE:

Poderán presentarse á segunda oportunidade ÚNICAMENTE o alumnado que non superen a materia na primeira oportunidade. A recuperación de cada unha das partes farase da seguinte forma:

  • Prácticas (50%): o alumnado poderá repetir as prácticas propostas durante o curso nas mesmas condicións que na primeira oportunidade (as prácticas entregadas de forma tardía obterán un máximo de 80%). Así, en caso de repetir todas as prácticas, a nota máxima que pode obterse é de 4 puntos.
  • Proba mixta (40%): realización nas mesmas condicións que na primeira oportunidade.
  • Non poderá recuperarse a nota obtida do seguemento continuado e obxectivable da participación activa durante as clases maxistrais.
  • En caso de non realizar a recuperación dalgunha das partes, conservarase a nota obtida na primeira oportunidade nesa parte.
  • Para aprobar a materia é obrigatorio obter unha nota mínima de 1,5 sobre 4 na proba mixta.
  • Terá cualificación de NON PRESENTADO calquera estudante que non opte á recuperación de ningunha das partes.

OPORTUNIDADE ADIANTADA:

A avaliación na oportunidade adiantada será 50% entrega das prácticas, 50% proba escrita.

DISPENSA ACADÉMICA:

O alumnado con matrícula a tempo parcial e dispensa académica que lles exima da asistencia ás clases deberán contactar co profesorado durante as dúas primeiras semanas de clase para establecer as condicións de entrega e defensa das prácticas e dos traballos tutelados.

FRAUDE ACADÉMICA:

A realización fraudulenta das probas ou actividades de avaliación, unha vez comprobada, implicará directamente a cualificación de suspenso na convocatoria en que se cometa: o alumnado será cualificado con “suspenso” (nota numérica 0) na convocatoria correspondente do curso académico, tanto se a comisión da falta se produce na primeira oportunidade como na segunda. Para isto, procederase a modificar a súa cualificación na acta de primeira oportunidade, se fose necesario.


Fontes de información
Bibliografía básica Dan Gusfield (1997). Algorithms on Strings, Trees and Sequences. Cambridge University Press
Neil C. Jones, Pavel A. Pevzner (2004). An Introduction to Bioinformatics Algorithms. MIT Press
Veli Mäkinen, Djamal Belazzougui, Fabio Cunial, Alexandru I. Tomescu (2015). Genome-Scale Algorithm Design. Cambridge University Press

Bibliografía complementaria Enno Ohlebusch (2013). Bioinformatics Algorithms: Sequence Analysis, Genome Rearrangements, and Phylogenetic Reconstruction. Oldenbusch Verlag
A. Moffat y A. Turpin (2002). Compression and Coding Algorithms. Kluwer Academic Publishers
G. Navarro y M Raffinot (2002). Flexible Pattern Matching in Strings. Cambridge University Press
T. C. Bell, J. G. Clearly y I. H. Witten (1990). Text Compression. Prentice Hall


Recomendacións
Materias que se recomenda ter cursado previamente
Introdución á bioloxía molecular /614522004
Xenética e evolución molecular/614522005
Xenómica/614522006
Fundamentos de bioinformática/614522008
Introdución á programación/614522001

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario
Procesamento avanzado de secuencias biolóxicas/614522020
Aplicacións e tendencias en bioinformática e enxeñaría biomédica/614522021

Observacións

Perspectiva de xénero:

Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (uso de linguaxe non sexista, etc.). Traballarase para identificar e modificar prexuízos e actitudes sexistas e influir na contorna para modificalos e fomentar valores de respecto e igualdade. Tratarase de detectar situacións de discriminación por razón de xénero e de propor accións e medidas para corrixilas.



(*)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