Métodos Computacionales en Bioinformática en La Paz

TEMAS Y SUBTEMAS

1. ANTECEDENTES
1.1. Definición de Bioinformática
1.2. Requerimientos Computacionales ¿Supercómputo o computadora personal?
1.3. Recursos Disponibles en Internet Bases De datos Interfases
1.4. Repaso
1.4.1. Probabilidad y Estadística
1.4.2. Complejidad de los Algoritmos
1.4.3. Incorporación de Conocimiento Biológico a los Algoritmos

2. ALINEAMIENTO DE SECUENCIAS POR PARES
2.1. Alineamiento
2.2. Tipos de alineamiento
a) Alineamiento Local
b) Alineamiento Global
2.3. Métodos
a) Matriz de punto
b) Programación Dinámica
c) k-tuples
2.4. Matrices de Evaluación
2.5. Modulo práctico
a) Cómo preparar una base de datos de secuencias para BLAST
b) Formatos de secuencias
c) Cómo hacer una búsqueda BLAST contra una base de datos de secuencias
d) Cómo interpretar los alineamientos obtenidos y sus puntuaciones
e) Ejemplo de aplicación de BLAST

3. ALINEAMIENTO DE SECUENCIAS MULTIPLES
3.1. Múltiple Alineamiento
3.2. Métodos de Alineamiento Global
a) Alineamiento Progresivo
b) Métodos Iterativos (Algoritmo Genéticos)
c) Alineamiento Basado en Patrones Conservados
d) Métodos Estadísticos (Modelos Markovianos Ocultos)
e) Métodos Basados en Grafos (Grafos de orden parcial)
f) Evaluación
3.3. Matrices de Evaluación
a) Análisis Profile
b) Análisis BLOCK
c) Búsqueda de Patrones Estadísticos (máxima expectación, motif, HMM, muestreo de Gibbs)
d) Evaluación (ROC, Matrices PPS)
3.4. Modulo práctico
a) Herramientas en línea y locales para alineamientos múltiples
b) Formatos comunes de alineamientos múltiples

4. PREDICCIÓN FILOGENÉTICA
4.1. Estableciendo Relaciones
4.2. Métodos de predicción
a) Máxima Parsimonia
b) Distancias
c) Máxima Verosimilitud
d) Inferencia Bayesiana
d) Evaluación (Bootstrap análisis)
4.3. Modulo práctico
a) Estimación de Divergencia y Reconstrucción de Árboles Filogenéticos
b) Ejercicios usando PAUP
d) Ejercicios Usando PHYLIP
f) Ejercicios usando MrBayes

5. ANÁLISIS DE GENOMA
5.1. Definición del problema
5.2. Métodos de Comparación Genómica
a) Basado en Clusters/Grafos (WU-BLAST, TBLASTIN)
b) Métodos de Likelihood (FAST-PAN, DNAML, PHYLIP)
5.3. Métodos de Clasificación Funcional a) Integración de programas (MAGPIE, GeneQuiz)
5.4. Modulo practico
a) Bases de datos (Ensembl, ENTREZ Genome, LANL)
b) Biomart: una interfase para extracción de datos (Data mining)
c) Clasificación filogenética de proteínas codificadas en genomas completos (Clusters of Orthologous Groups of proteins, COGs)

6. CLASIFICACIÓN DE PROTEÍNA Y PREDICCIÓN DE ESTRUCTURA
6.1. Definición del problema
6.2 Métodos de Alineamiento de Estructuras
a) Alineamiento Basado en Patrones (SSAP)
b) Métodos Estadísticos (Matrices de distancias DALI)
c) Métodos Basados en Estructura Secundarías (VAST, SARF)
6.3 Métodos de Predicción Estructural
a) Clasificación (Gibbs, HMM)
b) Cluster (LALING)
6. OPTATIVAS (A o B) A. ANÁLISIS DE MICROARREGLOS

ACTIVIDADES DE APRENDIZAJE.

• El curso comprende sesiones teóricas que proporcionan el conocimiento necesario para comprender el uso de las herramientas disponibles en línea. La familiarización en el uso de estas herramientas se lleva a cabo durante las sesiones prácticas de laboratorio de cómputo.

MODALIDADES DE EVALUACIÓN DE LA ASIGNATURA.

• Actividad Valor (%) Trabajos de investigación 25 Exámenes parciales 30 Prácticas 35 Participación 10 Total 100

CRITERIOS DE EVALUACIÓN.

• Acreditación mínima de 80 % de las clases programadas, entrega oportuna de trabajos, exámenes, calificación mínima aprobatoria: 8.00

Presentar los principios matemáticos en los que se basan los métodos computacionales utilizados en Bioinformática. El manejar estos conceptos permite al alumno hacer mejor selección y uso de los programas existentes, de la interpretación de los resultados, y asimismo le brinda la capacidad de entender futuras aplicaciones.

Familiarizar al alumno con el uso de los programas computacionales, bases de datos, y recursos bioinformáticos disponibles.