Curso de Bioinformática

Lección 1 • Formatos de Archivo en Bioinformática

Explica los formatos FASTA, FASTQ, GenBank, PDB y GFF y sus casos de uso. Prepara a los estudiantes para manejar archivos de datos crudos en los capítulos siguientes.

Lección 2 • Tipos de Datos Biomoleculares

Presenta las secuencias de nucleótidos, las secuencias de aminoácidos y las coordenadas estructurales como clases de datos diferenciadas. Conecta el tipo de dato con las herramientas analíticas adecuadas.

Lección 3 • El Dogma Central Explicado

Cubre el flujo de información ADN-ARN-proteína y sus excepciones. Ancla todos los conceptos bioinformáticos posteriores en la realidad de la biología molecular.

Lección 1 • Métodos Heurísticos de Búsqueda en Bases de Datos

Presenta las heurísticas BLAST y FASTA para la búsqueda rápida en bases de datos. Los estudiantes aprenden a configurar búsquedas y evaluar la significancia estadística.

Lección 2 • Alineamiento Múltiple de Secuencias

Cubre los métodos de MSA progresivos, iterativos y basados en consistencia. Los estudiantes evalúan la calidad del alineamiento y preparan alineamientos para análisis posteriores.

Lección 3 • Visualización e Interpretación de Alineamientos

Enseña herramientas para renderizar y anotar alineamientos para obtener conocimiento biológico. Conecta la salida computacional con las conclusiones biológicas.

Lección 4 • Matrices de Puntuación y Penalizaciones por Brecha

Explica las matrices de sustitución y los modelos de penalización por brecha que sustentan la puntuación de alineamientos. Conecta las elecciones matemáticas con la interpretabilidad biológica.

Lección 1 • Control de Calidad de Lecturas Crudas

Cubre métricas de calidad, recorte de adaptadores y filtrado de lecturas para datos de secuenciación. Asegura una entrada limpia para el ensamblado y los análisis posteriores.

Lección 2 • Tecnologías de Secuenciación de Nueva Generación

Compara las plataformas de secuenciación de lecturas cortas y largas y sus perfiles de error. Informa la selección de tecnología para proyectos genómicos específicos.

Lección 3 • Estrategias de Ensamblado de Genomas

Explica los enfoques de ensamblado por solapamiento-diseño-consenso y gráficos de De Bruijn. Los estudiantes seleccionan estrategias de ensamblado según el tipo de dato y la complejidad del genoma.

Lección 4 • Fundamentos de Anotación de Genomas

Cubre los pipelines de anotación estructural y funcional para genomas ensamblados. Conecta el ensamblado crudo con modelos génicos biológicamente interpretables.

Lección 1 • Mapeo de Lecturas y Cuantificación

Explica el alineamiento con conciencia de splicing y el pseudoalineamiento para la cuantificación de transcriptos. Los estudiantes generan matrices de conteo a partir de lecturas crudas de RNA-seq.

Lección 2 • Diseño Experimental de RNA-seq

Cubre la replicación, la aleatorización y el control de factores de confusión en estudios de RNA-seq. Un diseño adecuado previene artefactos analíticos en los datos de expresión.

Lección 3 • Análisis de Enriquecimiento Funcional

Enseña métodos de ontología génica y enriquecimiento de vías para interpretar resultados de expresión. Conecta listas de genes con procesos biológicos y funciones moleculares.

Lección 4 • Métodos de Normalización

Compara las estrategias de normalización RPKM, TPM y basadas en conteos. Una normalización correcta permite comparaciones válidas de expresión entre muestras.

Lección 1 • Análisis de Datos de Espectrometría de Masas

Introduce la identificación de péptidos, la cuantificación de proteínas y la detección de modificaciones postraduccionales a partir de datos de MS. Conecta los datos de proteómica con el conocimiento biológico.

Lección 2 • Comparación y Clasificación Estructural

Cubre el alineamiento estructural, el cálculo de RMSD y la clasificación de plegamientos proteicos. Los estudiantes identifican relaciones estructurales más allá de la similitud de secuencia.

Lección 3 • Predicción de Estructura de Proteínas

Explica el modelado por homología, el threading y los métodos de predicción de estructura por aprendizaje profundo. Los estudiantes generan y evalúan modelos de proteínas predichos.

Lección 4 • Fundamentos de Docking Molecular

Cubre los principios de docking ligando-receptor, funciones de puntuación e interpretación de resultados. Los estudiantes evalúan computacionalmente las interacciones proteína-ligando.

Lección 1 • Estructura y Diversidad Poblacional

Cubre el análisis de componentes principales, el modelado de mezcla y las estadísticas de diferenciación poblacional. Los estudiantes caracterizan la diversidad genética entre poblaciones.

Lección 2 • Anotación y Priorización de Variantes

Introduce la anotación funcional, la predicción de patogenicidad y las estrategias de priorización de variantes. Conecta las variantes crudas con la relevancia biológica y clínica.

Lección 3 • Filtrado y Control de Calidad de Variantes

Cubre el filtrado duro, la recalibración de puntajes de calidad de variantes y los filtros a nivel de genotipo. Elimina falsos positivos antes de la interpretación biológica.

Lección 4 • Métodos de Detección de Variantes

Explica los algoritmos de detección de SNP, indels y variantes estructurales, y sus supuestos. Los estudiantes aplican los llamadores apropiados para contextos germinales y somáticos.

Lección 1 • Detección de Comunidades y Módulos

Cubre algoritmos de agrupamiento para identificar módulos funcionales en redes biológicas. Los estudiantes vinculan los módulos de red con vías y procesos biológicos.

Lección 2 • Redes de Interacción Proteína-Proteína

Explica las fuentes de datos de PPI, la puntuación de confianza y la construcción de redes. Los estudiantes construyen y filtran redes de interacción para el análisis posterior.

Lección 3 • Predicción Funcional Basada en Redes

Enseña la culpabilidad por asociación y la propagación en red para la predicción de la función génica. Los estudiantes aprovechan la topología de red para inferir funciones génicas desconocidas.

Lección 4 • Topología de Red y Métricas

Cubre la distribución de grado, el coeficiente de agrupamiento y las medidas de centralidad. Los estudiantes identifican hubs, cuellos de botella y estructuras modulares en redes.

Lección 1 • Interpretación Biológica y Reporte

Cubre la síntesis a nivel de vías, la generación de hipótesis y la comunicación científica de hallazgos multi-ómicos. Los estudiantes traducen resultados computacionales en conclusiones biológicas procesables.

Lección 2 • Aprendizaje Automático en Multi-Ómica

Introduce el aprendizaje supervisado y no supervisado para el descubrimiento de biomarcadores y la clasificación de muestras. Los estudiantes aplican modelos regularizados a datos ómicos de alta dimensión.

Lección 3 • Reducción de Dimensionalidad para Multi-Ómica

Cubre PCA, UMAP y análisis factorial multi-ómico para datos de alta dimensión. Los estudiantes reducen la complejidad conservando la variación biológicamente significativa.

Lección 4 • Armonización de Datos Multi-Ómicos

Cubre el emparejamiento de muestras, la corrección de lotes y la normalización de datos a través de capas ómicas. Los datos armonizados son el prerrequisito para una integración válida.