Competencias / Resultados do título |
Código
|
Competencias / Resultados do título
|
A2 |
CE2 - Capacidade para resolver problemas matemáticos, planificando a súa resolución en función das ferramentas dispoñibles e das restricións de tempo e recursos. |
B2 |
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
B3 |
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
B4 |
CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado |
B7 |
CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
B8 |
CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
B9 |
CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
B10 |
CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
C1 |
CT1 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
C4 |
CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Coñecemento e aplicación de técnicas de análises de datos ómicos desde a xeración de datos científicos de secuencias de ácidos nucleicos ou secuencias de proteínas ata o estudo de diferenzas entre subtipos dunha determinada patoloxía
|
A2
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Manexar as ferramentas e contornas máis actuais no ámbito de análise de datos biolóxicos |
A2
|
B9 B10
|
C1 C4
|
Contidos |
Temas |
Subtemas |
1. Introdución aos datos ómicos |
1.1. O ADN
1.2. O dogma central da bioloxía molecular
1.3. As ómicas |
2. Traballo con secuencias moleculares |
2.1. O formato FASTA
2.2. Bases de datos abertas
2.3. Ferramentas para a análise de secuencias moleculares: BLAST, Clustal, Galaxy... |
3. Tecnoloxías de secuenciación masiva (NGS) |
3.1. A orixe coa secuenciación Sanger
3.2. Novas tecnoloxías NGS
3.3. Illumina, PacBio, MinION, Solexa
3.4. Diferenzas entre plataforma de secuenciación curta e longa, aplicacións máis frecuentes |
4. Análise da calidade e filtrado de secuencias |
4.1. Formato FASTAQ
4.2. Control e avaliación de calidade das secuencias
4.3. Filtrado das secuencias |
5. Ensamblaxe de xenomas e metaxenomas |
5.1. Ensamblaxe de xenomas
5.2. Ensamblaxe de novo
5.3. Ensamblaxe contra xenoma de referencia
5.4. Ferramentas software de ensamblaxe
5.5. Mapeado contra xenoma
5.6. Anotación de secuencias
5.7. Exemplos de uso |
6. Análise de expresión xénica mediante RNA-Seq |
6.1. Preprocesado
6.2. Análise de expresión diferencial con R/Bioconductor: DESeq2
6.3. The Cancer Genome Atlas (TCGA) |
7. Análise do metaxenoma |
7.1. Secuenciación do xenoma completo (Shotgun)
7.2. Secuenciación do xenoma bacteriano 16S rRNA
7.2.1. Anotación baseada en asignación de OTUs e ASVs
7.2.2. Análise de diferenzas en equilibrio microbiano
7.3. American Gut Project (AGP), Human Microbiome Project (HMP) |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Prácticas de laboratorio |
A2 B2 B9 B10 C1 C4 |
16 |
16 |
32 |
Proba de resposta múltiple |
B7 B8 |
3 |
21 |
24 |
Traballos tutelados |
A2 B2 B3 B4 B7 B9 B10 C1 C4 |
6 |
30 |
36 |
Sesión maxistral |
B7 B8 C1 C4 |
21 |
36 |
57 |
|
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 |
Prácticas de laboratorio |
Resolución de problemas e diferentes partes individuais do pipeline de análise de datos ómicos |
Proba de resposta múltiple |
Proba de avaliación escrita na que o/a estudante deberá demostrar os coñecementos adquiridos |
Traballos tutelados |
Elaboración supervisada de análise de datos ómicos reais mediante técnicas aprendidas ao longo das sesións maxistrais e de prácticas de laboratorio da materia |
Sesión maxistral |
Impartición teórica da materia. Alternaranse a exposición de novos conceptos teóricos coa revisión de exemplos e a resolución de pequenos exercicios |
Atención personalizada |
Metodoloxías
|
Prácticas de laboratorio |
Traballos tutelados |
|
Descrición |
O profesor guiará o proceso de resolución dos problemas e liquidará as dúbidas que xurdan no desenvolvemento |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
A2 B2 B9 B10 C1 C4 |
As/os estudantes deberán realizar pequenas partes dos pipelines de análises de datos ómicos para asentar o coñecemento teórico e prepararse para o traballo tutelado |
10 |
Traballos tutelados |
A2 B2 B3 B4 B7 B9 B10 C1 C4 |
As/os estudantes deberán analizar datos ómicos reais aplicando as técnicas/aproximacións aprendidas na materia. Deberá acompañarse dun informe replicable de resultados, código e conclusións realizado en contorna R xustificando o pipeline de análise utilizada e as conclusións obtidas |
60 |
Proba de resposta múltiple |
B7 B8 |
No período de avaliación realizarase unha proba de coñecementos teórico-prácticos para avaliar a adquisición das competencias por parte do alumno
|
30 |
|
Observacións avaliación |
A/o estudante deberá obter unha nota mínima de 3 sobre 10 puntos na proba obxectiva e unha nota mínima de 4 sobre 10 puntos nos traballos tutelados. As prácticas de laboratorio non teñen nota mínima. De non alcanzar esta nota mínima nalgún dos devanditos apartados, a nota da materia será a menor das dúas.
As entregas correspondentes aos traballos tutelados nas datas indicadas e a asistencia ás clases prácticas son obrigatorias para aprobar a materia.
Un/unha estudante considerarase presentado/a en unha convocatoria se fai entrega dos traballos tutelados ou se se presenta á proba obxectiva.
Todos os aspectos relacionados con dispensa académica, dedicación ao estudo, permanencia e fraude académica rexeranse de acordo coa normativa académica vixente da UDC.
Sobre a responsabilidade compartida dos traballos en grupo. Nas actividades que levan a cabo en grupos, tales como os traballos tutelados, todos os membros do grupo serán responsables solidarios do traballo realizado e entregado, así como das consecuencias que se deriven do incumprimento das normas de autoría do mesmo.
Segunda oportunidade e convocatorias posteriores Na segunda oportunidade, mantense a nota obtida nos traballos tutelados. Só no caso de non presentar os traballos tutelados na primeira oportunidade ou que estas obtivesen a cualificación de SUSPENSO (cualificación menor que 5), poderanse presentar novamente os traballos tutelados na segunda oportunidade.
En caso de suspender a materia, os traballos tutelados con nota igual ou superior a 5 gardaranse para cursos posteriores con cualificación de aprobado (5). En cada curso, o/a estudante terá a opción de entregar un novo traballo tutelado que substituirá a nota da anterior. Os traballos non se gardarán máis dun curso.
Titorías A maiores, as tutorias considéranse unha parte importante dentro do desenvolvemento da materia. Están orientadas de tal maneira que as/os estudantes teñan e/o poidan consultar distintas cuestións como: 1. Problemas no desenvolvemento das prácticas 2. Maneiras de enfocar/organizar os traballos tutelados 3. Resolución de dúbidas sobre as cuestións teóricas.
Pedirase ás/os estudantes que soliciten cita aos/as profesores/as responsables para realizar reunións presenciais dentro dos horarios de titorías do profesorado establecido en espazos.udc.es. O uso de Teams deberá limitarse a cuestións puntuais organizativas.
|
Fontes de información |
Bibliografía básica
|
Chen Y, Lun AAT, Smyth GK (2016). From reads to genes to pathways: differential expression analysis of RNA-Seq experiments using Rsubread and the edgeR quasi-likelihood pipeline. F1000Research
Malachi Griffith y col. (2015). Informatics for RNA Sequencing: A Web Resource for Analysis on the Cloud. Plos Computational Biology
Love MI, Huber W, Anders S (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology
Michael Love, Wolfgang Huber y Simon Anders. (2014). Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biology
NCBI Gene Expression Omnibus (2022). NCBI Gene Expression Omnibus. https://www.ncbi.nlm.nih.gov/geo/
TCGA Consortium (2022). The Cancer Genome Atlas. https://portal.gdc.cancer.gov/
Enis Afgan, Dannon Baker, Bérénice Batut, Marius van den Beek, Dave Bouvier, Martin ?ech, John Chilt (2018). The Galaxy platform for accessible, reproducible and collaborative biomedical analyses: 2018 update. Nucleic Acids Research |
|
Bibliografía complementaria
|
Liñares-Blanco, J., Gestal, M., Dorado, J., y Fernandez-Lozano, C. (2019). Differential gene expression analysis of RNA-seq data using machine learning for cancer research. Machine Learning Paradigms. Learning and Analytics in Intelligent Systems. Vol 1. Springer, Cham.
Fernández-Edreira D., Liñares-Blanco J. y Fernandez-Lozano C. (2021). Machine Learning analysis of the human infant gut microbiome identifies influential species in type 1 diabetes. Expert Systems with Applications
Liñares-Blanco J., Fernandez-Lozano C., Seoane JA y López-Campos G. (2022). Machine Learning Based Microbiome Signature to Predict Inflammatory Bowel Disease Subtypes. Frontiers in Microbiology |
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Análise Estatística de Datos Complexos/614G02031 | Aprendizaxe Automática I/614G02019 | Cálculo Multivariable/614G02006 |
|
Materias que se recomenda cursar simultaneamente |
|
Materias que continúan o temario |
Análise Estatística de Datos Complexos/614G02031 | Aprendizaxe Automática a Gran Escala/614G02032 |
|
Observacións |
- Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (usarase linguaxe non sexista, utilizarase bibliografía de autores/as de ambos sexos, propiciarase a intervención en clase de alumnos e alumnas...)
- Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade.
- Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas. |
|