Programa sintético:

Unidad 1: Técnicas "ómicas"
Producción y análisis de grandes datos. Conceptos de genómica, transcriptómica, proteómica, y metabolómica. Secuenciación ADN/ARN, MicroArrrays, generación de datos de proteínas y metabolitos mediante técnicas de espectrometría de masa. Integración y visualización de resultados de técnicas ómicas. Bases de datos de vías metabólicas KEGG, BioCyc y otras. Teoría y práctica del análisis de datos de RNAseq, Proteómica, Metabolómica. Introducción al concepto de Mapeo de Genoma Completo o GWAS: análisis de datos e interpretación de resultados.

Unidad 2: Análisis Bioinformático de Genomas Procariotas y Eucariotas
Ensamblado y anotación de genomas, predicción de genes. Base de datos de Genomas. Mapeo físico de genes. Variantes alélicas “Variant Calling”. Uso de Genome Browsers (NCBI), RAST, Ensembl y Galaxy. Comparación de Genomas. Identidad nucleotídica promedio. Genómica comparative en eucariotas. Tamaño del genoma eucariota y tipos de secuencias. Estructura génica, alelos, ploidía. Bases de datos de genomas eucariotas. Marcadores moleculares y polimorfismos. Diversidad nucleotídica. Cambios sinónimos, no sinónimos y silenciosos. Análisis de los gráficos de sintenia.

Unidad 3: Introducción a R
Fundamentos del entorno R y del uso de RStudio. Organización del ambiente de trabajo, scripts, consola y directorio de trabajo. Lectura e inspección de archivos de datos ómicos en formatos de texto plano. Tipos de objetos en R y operaciones básicas. Exploración preliminar de datos mediante indexación y funciones descriptivas. Manejo de valores faltantes e introducción al concepto de imputación. Definición y uso de funciones propias. Aplicación de transformaciones comunes (log-transformación y normalización) y preparación de los datos para análisis estadísticos y multivariados.

Unidad 4: Análisis multivariado
Análisis de componentes principales (PCA). Nociones matemáticas generales de la determinación de las componentes: eigenvalues, eigenvectors y loadings. Análisis de conglomerados jerárquicos y de partición (K-means). Mapas de calor (heatmaps) y volcano plots. Análisis Discriminante de Componentes Principales (DAPC). Análisis e interpretación de resultados de ómicas utilizando métodos multivariados.

Unidad 5: Genome Wide Association Mapping - GWAS
Poblaciones biparentales y de mapeo por asociación: características, ventajas y limitaciones. Fenotipado y diseño experimental en estudios de mapeo. Selección de rasgos y enfoques estadísticos para el modelado de variables. Genotipado y metodologías de nueva generación. Curación de datos: datos faltantes, frecuencia alélica mínima (MAF), pruebas de equilibrio de Hardy-Weinberg y análisis de desequilibrio de ligamiento (LD). Análisis de asociación fenotipo–genotipo considerando estructura poblacional y parentesco. Modelos de asociación (naive, Q, K y Q+K), enfoques de locus único y multilocus, y correcciones por comparaciones múltiples. Estimación de efectos alélicos. Interpretación y validación de resultados.


Unidad 6: Transcriptómica y RNA-seq.
Concepto de transcriptoma y relación con genoma y proteoma. Aplicaciones de RNA-seq: análisis de expresión génica diferencial a escala global, refinamiento de anotaciones, detección de splicing alternativo, genes de fusión y otros eventos transcriptómicos. Diseño experimental: tratamientos y controles, réplicas biológicas, elección de plataforma de secuenciación y profundidad requerida. Tecnologías de secuenciación y formato FASTQ. Flujo básico de análisis de RNA-seq: obtención de datos (propios o de repositorios públicos), control de calidad y trimming de lecturas, alineamiento a genoma de referencia o ensamblado de novo cuando no hay genoma disponible. Generación de matrices de conteo por gen/transcripto, normalización y análisis de expresión diferencial mediante modelos estadísticos (por ejemplo, DESeq2). Evaluación de resultados: gráficos de dispersión, MA-plots, volcano plots, PCA y mapas de calor. Conceptos de valor p, valor p ajustado, FDR y control de falsos positivos. Introducción al análisis funcional posterior: enriquecimiento en términos GO, vías metabólicas y estrategias básicas para la interpretación biológica de experimentos de RNA-seq.


Unidad 7: Proteómica
Introducción a la proteómica. Concepto de proteoma y relación con el genoma y el transcriptoma. Complejidad, variabilidad y dinámica temporal de la expresión proteica. Preparación de muestras para análisis proteómico: extracción, solubilización y digestión enzimática. Separación de péptidos mediante cromatografía líquida nano-HPLC en fase reversa. Principios de la espectrometría de masas aplicada a proteómica: ionización, adquisición MS y MS/MS, fragmentación y detección. Identificación de péptidos a partir de espectros de fragmentación: generación de espectros teóricos, motores de búsqueda y criterios de asignación. Cuantificación proteica: nociones de métodos label-free y con marcadores. Procesamiento e interpretación de datos proteómicos: filtrado, normalización, imputación,
control de FDR y análisis estadístico básico. Representación de resultados mediante clustering, PCA y volcano-plots. Alcances, limitaciones y aplicaciones de la proteómica en biología molecular y biotecnología.

Unidad 8: Tecnologías ómicas de célula única
Fundamentos y aplicaciones de las tecnologías de célula única. Principios de single-cell RNA-seq (scRNA-seq) y single-nuclei RNA-seq (snRNA-seq). Control de calidad y normalización de datos. Reducción de dimensionalidad (PCA, t-SNE, UMAP). Agrupamiento de células y anotación de tipos celulares. Integración de múltiples muestras o condiciones experimentales. Análisis de trayectorias celulares (pseudotime analysis). Aplicaciones en biomedicina, inmunología, biotecnología y evolución. Uso de herramientas bioinformáticas como Seurat, Scanpy y Cell Ranger para el análisis e interpretación de datos ómicos a nivel de células individuales.

Condiciones de aprobación:
Curso completo:
Porcentaje de asistencia a clases teóricas: 80%
Porcentaje de asistencia a actividades prácticas: 80%
Aprobación del trabajo final (seminario) (≥60%)
Certificado del curso para actividades virtuales y presenciales + evaluación.
Curso parcial:
Porcentaje de asistencia a clases teóricas virtuales: no menor de 80%.
Certificado del curso para asistencia a teóricas virtuales

Cronograma tentativo:

Última modificación: martes, 21 de julio de 2026, 22:37