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.

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

Última modificación: viernes, 15 de mayo de 2026, 13:16