Datos Identificativos 2020/21
Asignatura (*) Métodos estadísticos avanzados en bioinformática Código 614522009
Titulación
Mestrado Universitario en Bioinformática para Ciencias da Saúde
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Primero Obligatoria 6
Idioma
Castellano
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Matemáticas
Coordinador/a
Lopez de Ullibarri Galparsoro, Ignacio
Correo electrónico
ignacio.lopezdeullibarri@udc.es
Profesorado
Lopez de Ullibarri Galparsoro, Ignacio
Correo electrónico
ignacio.lopezdeullibarri@udc.es
Web http://www.master.bioinformatica.fic.udc.es
Descripción general Preténdese proporcionar ó alumnado os coñecementos necesarios para abordar unha selección de problemas importantes en Bioinformática dende unha perspectiva eminentemente estatística/probabilística.
Plan de contingencia 1. Modificacións nos contidos
Ningunha.

2. Metodoloxías
*Metodoloxías docentes que se modifican
Sesión maxistral, Solución de problemas e Prácticas a través de TIC serán impartidas por teledocencia (Teams).
A Proba mixta realizarase de modo non presencial por Moodle.
A Proba práctica entregarase por Moodle.

3. Mecanismos de atención personalizada ao alumnado
Atenderanse as consultas do alumnado por correo electrónico dous días por semana. Se fose necesario poderanse facer titorías individuais por Teams concertándoas previamente por correo electrónico.

4. Modificacións na avaliación
Ningunha.

5. Modificacións da bibliografía ou webgrafía
Ningunha.

Competencias del título
Código Competencias del título
A5 CE5 - Desarrollo de habilidades en el manejo de técnicas estadísticas y su aplicación a conjuntos de datos del campo de la Bioinformática
A6 CE6 - Capacidad para identificar las herramientas software y fuentes de datos de bioinformática más relevantes, y adquirir destreza en su uso
B1 CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
B2 CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B6 CG1 - Buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo
B7 CG2 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas
C3 CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida
C6 CT6 - Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocer los principios estadísticos del análisis de sistemas de altas prestaciones para el estudio de la expresión génica AP5
AP6
BP1
BP2
BP6
BP7
CP3
CP6
Comprender los aspectos estadísticos de la construcción de árboles filogenéticos AP5
AP6
BP1
BP2
BP6
BP7
CP3
CP6
Conocer los fundamentos de los principales modelos estocásticos empleados en genética de poblaciones AP5
AP6
BP1
BP2
BP6
BP7
CP3
CP6
Entender las bases probabilísticas y estadísticas de los métodos de análisis de secuencias biológicas AP5
AP6
BP1
BP2
BP6
BP7
CP3
CP6

Contenidos
Tema Subtema
1. Análisis estadístico de sistemas de altas prestaciones para el estudio de la expresión génica Generalidades sobre el estudio de la expresión génica con microarrays y RNA-seq.
Preprocesamiento de los datos de microarrays y RNA-seq.
Análisis de conglomerados de muestras y genes.
Multiplicidad de los contrastes de hipótesis en los estudios de expresión génica diferencial.
Métodos estadísticos para el análisis de la expresión génica diferencial con RNA-seq.
2. Árboles filogenéticos Modelos de evolución de las secuencias de ADN.
Construcción y estimación de árboles filogenéticos: métodos basados en los conceptos de parsimonia, distancia y máxima verosimilitud.
Contrastes sobre filogenias y métodos relacionados.
3. Introducción a los modelos estocásticos en genética de poblaciones El modelo de Wright-Fisher.
El coalescente: el coalescente básico, contrastes de la hipótesis de neutralidad, extensiones del coalescente.
4. Aspectos estadísticos del análisis de secuencias biológicas Sistemas de puntuación de alineamientos.
Análisis de la significación estadística de alineamientos de secuencias.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Sesión magistral A5 B1 B7 18 40 58
Solución de problemas B2 B6 C6 12 28 40
Prácticas a través de TIC A5 A6 B2 C3 12 25 37
Prueba mixta A5 3 0 3
Prueba práctica B6 0 10 10
 
Atención personalizada 2 0 2
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Sesión magistral Exposición oral complementada con el uso de medios audiovisuales, con la finalidad de transmitir al estudiante los conocimientos teóricos
Solución de problemas Seminarios en grupos de tamaño intermedio destinados a la resolución de ejercicios y problemas
Prácticas a través de TIC Resolución de supuestos prácticos y teóricos mediante la utilización de software estadístico
Prueba mixta Prueba con preguntas de tipo test de opciones múltiples y/o preguntas de respuesta breve realizada con el fin de evaluar globalmente la adquisición de conocimientos por el estudiante
Prueba práctica Resolución por el estudiante de un caso práctico

Atención personalizada
Metodologías
Sesión magistral
Solución de problemas
Prácticas a través de TIC
Prueba práctica
Descripción
La atención personalizada se hará mediante tutorías presenciales en el despacho del profesor

Evaluación
Metodologías Competéncias Descripción Calificación
Prueba mixta A5 Prueba que constará de preguntas de tipo test con opciones múltiples y/o con preguntas de breve respuesta 65
Prueba práctica B6 Caso práctico resolto polo estudiante 35
 
Observaciones evaluación

Evaluación en la primera oportunidad

Podrá ser tenido en cuenta el seguimiento objetivable del curso y la
participación activa por parte del estudiante, reflejándose en la calificación con hasta un 20% de la nota final. El porcentaje restante de la calificación (entre el 80% y el 100%) dependerá de la evaluación de la Prueba mixta y de la Prueba práctica, y se calculará reescalando si es preciso los porcentajes que figuran en la tabla superior.

Para superar la
asignatura es
necesario alcanzar una calificación total mínima de 50 puntos, siendo en

todo caso obligatoria la presentación a la Prueba mixta. Quien no se
presente a la Prueba mixta será calificado como 'no presentado'.

Evaluación en la segunda oportunidad

Se hará con los mismos criterios de la primera oportunidad. El alumnado que hubiera presentado la Prueba práctica en la primera oportunidad podrá optar entre conservar la nota obtenida en su evaluación en la primera oportunidad o presentar una nueva Prueba práctica.

El alumnado con reconocimiento de dedicación a tiempo
parcial y
dispensa académica de exención de asistencia que decida no asistir regularmente a las clases, será
evaluado en las dos oportunidades como el resto de alumnado que se encuentra en una
situación similar.


Fuentes de información
Básica Gentleman R, Carey V J, Huber W, Irizarry R A, Dudoit S (eds.) (2005). Bioinformatics and Computational Biology Solutions using R and Bioconductor. Springer
Wakeley J (2008). Coalescent Theory. Freeman
Deonier R C, Tavaré S, Waterman M S (2005). Computational Genome Analysis. Springer
Felsenstein J (2004). Inferring Phylogenies. Sinauer
Korpelainen E, Tuimala J, Somervuo P, Huss M, Wong G (2014). RNA-seq Data Analysis: A Practical Approach. Chapman&Hall/CRC
Bioconductor Project (). Sitio web Bioconductor. https://www.bioconductor.org/
R (). Sitio web programa R. https://www.r-project.org/
Ewens W J, Grant G R (2005). Statistical Methods in Bioinformatics. Springer

Complementária


Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías