Universitat Internacional de Catalunya
Les preguntes es respondran en persona abans o després de la classe, o bé per correu electrònic.
Professorat:
Dr. CHOROSTECKI, Uciel Pablo (upchorostecki@uic.es)
Dr. NAJLE, Sebastián Rodrigo (srnajle@uic.es)
Dra. MANCINI, Estefania
AIRA, Nicolas (naira@uic.es)
Diàriament es generen grans quantitats de dades biomèdiques, ja sigui des de laboratoris de recerca, laboratoris clínics o empreses privades. És necessari millorar la nostra capacitat d'entendre i analitzar aquest tipus de dades per aprofitar al màxim la seva capacitat de generar nous avenços científics i millorar l'atenció a pacients. Per a aquells que no són bioinformàtics, el maneig de grans quantitats de dades continua sent una tasca descoratjadora.
Aquest curs introdueix l'alumnat en els conceptes i les eines fonamentals de la bioinformàtica, enfocant-se en les seves aplicacions per comprendre i resoldre problemes biològics. L'estudiantat explorarà la bioinformàtica estructural, les òmiques, les bases de dades i el paper de la intel·ligència artificial en la recerca biomèdica.
Per seguir aquesta classe, calen coneixements previs en genètica, biomolècules i biologia molecular.
Es recomana tenir experiència addicional en l'ús d'ordinadors, navegadors web i Internet i en l'ús de programes de fulls de càlcul.
En acabar el curs, l'alumnat ha de:
Introducció a la Bioinformàtica: Definició, Abast i Rellevància.
Història de la Computació en Biologia: De les Primeres Eines a la Bioinformàtica Moderna.
Requisits d'Equipament i Programari: Comprenent la infraestructura computacional.
Mineria de Dades en Bioinformàtica: Extraient coneixement de les dades.
Algoritmes Clau: Alineament de Seqüències (Global vs. Local), BLAST i Alineament de Seqüències Múltiples.
Bases de Dades de Seqüències: Visió general de GenBank, RefSeq i altres.
Estratègies de Seqüenciació: Història i Evolució de les Tecnologies de Seqüenciació.
Introducció: Per què és Important l'Estructura de les Proteïnes.
Relació Seqüència-Estructura-Funció: De la seqüència primària al plegament 3D.
Tècniques per Visualitzar Estructures Proteiques: PyMOL, Chimera i visualitzadors web.
Bases de Dades Estructurals: PDB (Protein Data Bank) i UniProt.
Paper en Biomedicina: Disseny de fàrmacs basat en estructures i comprensió de mutacions de malalties.
Futur de la Bioinformàtica Estructural: L'impacte dels models predictius en biomedicina.
Seqüenciació de Nova Generació (NGS): Descripció històrica, plataformes i tècniques.
Aplicacions Clíniques: Des de Panells de Gens fins a Seqüenciació de Genoma Complet en genètica humana.
RNA-Seq: Fonaments de l'Expressió Gènica i les seves implicacions per a la salut.
Fluxos de Treball de RNA-Seq: Processament de dades, normalització i interpretació.
Experiments Single-Cell: Introducció al Single-Cell RNA-Seq.
Epigenòmica i Multi-Òmiques: Tècniques i aplicacions en recerca biomèdica.
Una Introducció Amigable a la Intel·ligència Artificial: Conceptes i Definicions.
Visió General de Models de Machine Learning: Aprenentatge Supervisat vs. No Supervisat en biologia.
El Flux de Treball de Machine Learning: Des de la Preparació de Dades fins a l'Avaluació del Model.
Aplicacions d'IA en Biomedicina:
Descobriment de Fàrmacs (ex. ADMETlab).
Predicció d'Estructura de Proteïnes (ex. AlphaFold).
Models de Llenguatge Gran en Ciència (ex. ChatGPT).
Integració de Modalitats de Dades: Combinant Òmiques, Dades Estructurals i Metadades Clíniques.
Enfocament de Biologia de Sistemes: Passant del reduccionisme a l'anàlisi holística.
Resolució de Problemes Aplicada: Casos d'estudi integrant Fonaments, Estructura, Òmiques i IA per resoldre preguntes biomèdiques complexes.
Es realitzaran sessions pràctiques de laboratori en grups reduïts on els estudiants buscaran aplicar els conceptes teòrics apresos.
Navegació de Dades: Recuperació i Anàlisi des de bases de dades essencials.
Anàlisi de Seqüències: Execució d'alineaments i interpretació de relacions evolutives.
Visualització Estructural: Modelatge molecular pràctic.
Anàlisi d'Òmiques: Fluxos de treball bàsics per a la interpretació de dades NGS.
Implementació d'IA: Exercicis simples en preparació de dades i interpretació de models.
Modalitat totalment presencial a l'aula
1. Classes magistrals - 20 hores: exposició d'un tema teòric per part del professorat..
2. Mètodes de casos (MC) - 28 hores: presentació d'una situació real o hipotètica en grups petits. L'alumnat treballa juntament amb el professorat per resoldre qüestions pràctiques. El professorat intervé activament i, si és necessari, aporta nous coneixements.
3. Classes pràctiques - 12 hores: demostració experimental al laboratori sobre conceptes estudiats a les classes teòriques sota la supervisió del professorat.
4. Educació Virtual (EV): material en línia que l'alumnat pot consultar des de qualsevol ordinador, en qualsevol moment, i que contribuirà a l'aprenentatge de conceptes relacionats amb l'assignatura.
Modalitat totalment presencial a l'aula
El professorat es reserva un 10% extra de la nota per concedir-la per arguments subjectius com ara: la implicació, la participació, el respecte a les normes bàsiques, etc.
Normes per a Exàmens Tipus Test: Si l'examen consta de preguntes d'opció múltiple (tipus test), d'acord amb la normativa del grau, per cada +1 punt per una resposta correcta, es restaran punts per respostes incorrectes de la següent manera:
-0,33 punts si hi ha 4 opcions de resposta (amb una correcta).
-0,25 punts si hi ha 5 opcions de resposta (amb una correcta).
2) Alumnat en segona o posterior convocatòria: La qualificació dels mètodes de casos es mantindrà, i l'examen final representarà el 75% de la qualificació total.
3) Els/les estudiants repetidors/es que desitgin repetir l'examen parcial en la tercera o cinquena convocatòria han de notificar-ho al professorat amb antelació.
Punts generals que cal tenir en compte sobre el sistema d’avaluació: