Identifying Data 2020/21
Subject (*) Advanced statistical methods in bioinformatics Code 614522009
Study programme
Mestrado Universitario en Bioinformática para Ciencias da Saúde
Descriptors Cycle Period Year Type Credits
Official Master's Degree 2nd four-month period
 First Obligatory 6
Language
Spanish
English
Teaching method Face-to-face
Prerequisites
Department Matemáticas
Coordinador
Lopez de Ullibarri Galparsoro, Ignacio
 E-mail
ignacio.lopezdeullibarri@udc.es
Lecturers
Lopez de Ullibarri Galparsoro, Ignacio
 E-mail
ignacio.lopezdeullibarri@udc.es
Web http://www.master.bioinformatica.fic.udc.es
General description Preténdese proporcionar ó alumnado os coñecementos necesarios para abordar unha selección de problemas importantes en Bioinformática dende unha perspectiva eminentemente estatística/probabilística.
Contingency plan 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.

Study programme competencies
Code Study programme competences
A5 CE5 - Development of skills in the management of statistical techniques and their application to data sets from the bioinformatics field.
A6 CE6 - Ability to identify software tools and most relevant bioinformatics data sources, and acquire skill in their use
B1 CB6 - Own and understand knowledge that can provide a base or opportunity to be original in the development and/or application of ideas, often in a context of research
B2 CB7 - Students should know how to apply the acquired knowledge and ability to problem solving in new environments or little known within broad (or multidisciplinary) contexts related to their field of study
B6 CG1 -Search for and select the useful information needed to solve complex problems, driving fluently bibliographical sources for the field
B7 CG2 - Maintain and extend well-founded theoretical approaches to enable the introduction and exploitation of new and advanced technologies
C3 CT3 - Use the basic tools of the information technology and communications (ICT) necessary for the exercise of their profession and lifelong learning
C6 CT6 - To assess critically the knowledge, technology and information available to solve the problems they face to.

Learning aims
Learning outcomes Study programme competences
Coñecer os principios estatísticos da análise de sistemas de altas prestacións para o estudo da expresión xénica AJ5
AJ6
 BJ1
BJ2
BJ6
BJ7
 CJ3
CJ6
Comprender os aspectos estatísticos da construción de árbores filoxenéticas AJ5
AJ6
 BJ1
BJ2
BJ6
BJ7
 CJ3
CJ6
Coñecer os fundamentos dos principais modelos estocásticos empregados en xenética de poblacións AJ5
AJ6
 BJ1
BJ2
BJ6
BJ7
 CJ3
CJ6
Entender as bases probabilísticas e estatísticas dos métodos de análise de secuencias biolóxicas AJ5
AJ6
 BJ1
BJ2
BJ6
BJ7
 CJ3
CJ6

Contents
Topic Sub-topic
1. Análise estatística de sistemas de altas prestacións para o estudo da expresión xénica

Xeneralidades sobre o estudo da expresión xénica con microarrays e RNA-seq.
Preprocesamento dos datos de microarrays e RNA-seq.
Análise de conglomerados de mostras e xenes.
Multiplicidade dos contrastes de hipóteses nos estudos de expresión xénica diferencial.
Métodos estatísticos para a análise da expresión xénica diferencial con RNA-seq.
2. Árbores filoxenéticas
 Modelos de evolución das secuencias de ADN.
Construción e estimación de árbores filoxenéticas: métodos baseados nos conceptos de parsimonia, distancia e máxima verosimilitude.
Contrastes sobre filoxenias e métodos relacionados.
3. Introducción ós modelos estocásticos en xenética de poblacións O modelo de Wright-Fisher.
O coalescente: o coalescente básico, contrastes da hipótese de neutralidade, extensións do coalescente.
4. Aspectos estatísticos da análise de secuencias biolóxicas Sistemas de puntuación de alineamentos.
Análise da significación estatística de alineamentos de secuencias.

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A5 B1 B7 18 40 58
Problem solving B2 B6 C6 12 28 40
ICT practicals A5 A6 B2 C3 12 25 37
Mixed objective/subjective test A5 3 0 3
Practical test: B6 0 10 10
 
Personalized attention 2 0 2
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech Exposición oral complementada co uso de medios audiovisuais, coa finalidade de transmitir ó estudiante os coñecementos teóricos
Problem solving Seminarios en grupos de tamaño intermedio destinados á resolución de exercicios e problemas
ICT practicals Resolución de supostos prácticos e teóricos mediante a utilización de software estatístico
Mixed objective/subjective test Proba con preguntas de tipo test de opcións múltiples e/ou preguntas de resposta breve realizada co fin de evaluar globalmente a adquisición de coñecementos polo estudiante
Practical test: Resolución polo estudiante dun caso práctico

Personalized attention
Methodologies
Guest lecture / keynote speech
Problem solving
ICT practicals
Practical test:
Description
A atención personalizada farase mediante titorías presenciais no despacho do profesor

Assessment
Methodologies Competencies Description Qualification
Mixed objective/subjective test A5 Proba que constará de preguntas de tipo test con opcións múltiples e/ou con preguntas de breve resposta 65
Practical test: B6 Caso práctico resolto polo estudiante 35
 
Assessment comments

Avaliación na primeira oportunidade

Poderá ser tido en
conta o seguimento obxetivable do
curso e a
participación activa pola parte do estudiante, reflectíndose na
calificación con ata un 20% da nota final. A porcentaxe restante
da calificación (entre 80% e 100%) dependerá da evaluación
da Proba mixta e da Proba páctica, e
calcularase reescalando se é preciso as porcentaxes que figuran na
táboa superior.

Para superar a materia é necesario acadar unha calificación total mínima de 50 puntos, sendo en

todo caso obligatoria a presentación á Proba mixta. Quen non se
presente á Proba mixta será calificado como 'non presentado'.

Avaliación na segunda oportunidade

Farase cos mesmos criterios da primeira oportunidade. O alumnado que houbera presentado a Proba práctica na primeira
oportunidade poderá optar entre conservar a nota obtida na súa avaliación na primeira oportunidade ou presentar unha nova Proba práctica.

O alumnado con recoñecemento de dedicación a tiempo
parcial e dispensa académica de exención de asistencia que decida non asistir regularmente ás clases, será
evaluado nas dúas oportunidades como o resto do alumnado que se atopa nunha situación similar.

Sources of information
Basic 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

Complementary


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.