Universitat Internacional de Catalunya
Els dubtes es podran resoldre presencialment o per videoconferència amb la coordinació de l’assignatura o amb el professor corresponent. L’alumnat haurà de contactar prèviament amb el professor per concertar una cita.
Aquesta assignatura introdueix les competències computacionals essencials per a la bioinformàtica i l’ús pràctic de les bases de dades biomèdiques. L’alumnat aprendrà a treballar en entorns de línia d’ordres, organitzar dades biològiques, escriure scripts bàsics en Python i Bash, i desenvolupar fluxos de treball computacionals clars i reproduïbles.
L’assignatura també ofereix experiència pràctica en la cerca, l’avaluació i la integració d’informació procedent de les principals bases de dades biomèdiques. L’alumnat treballarà amb recursos relacionats amb nucleòtids, gens, expressió gènica, proteïnes, variació genètica, malalties i fàrmacs, i els aplicarà a qüestions biomèdiques realistes.
Els exercicis guiats i les activitats basades en casos ajudaran l’alumnat a traduir preguntes biològiques en tasques computacionals, seleccionar les fonts de dades adequades, interpretar els resultats i documentar el procés d’anàlisi.
Es podran utilitzar eines de programació assistida per intel·ligència artificial per facilitar la generació, l’explicació i la depuració de codi. Es prestarà una atenció especial a la definició de l’objectiu analític, la revisió crítica del codi generat, la comprovació del seu funcionament, la validació dels resultats i la documentació del flux de treball final.
L’assignatura contribueix principalment a l’ODS 3 (Salut i benestar), l’ODS 4 (Educació de qualitat) i l’ODS 9 (Indústria, innovació i infraestructura), mitjançant l’enfortiment de l’alfabetització computacional, les pràctiques de recerca reproduïble i l’ús responsable d’eines digitals en la recerca biomèdica.
Es recomana que l’alumnat hagi cursat prèviament les assignatures Introducció a la Bioinformàtica i Interaccions Biomoleculars.
No es requereix experiència prèvia en programació. Tanmateix, l’alumnat ha d’estar familiaritzat amb l’ús bàsic d’ordinadors, inclosa la gestió de fitxers, carpetes i aplicacions web habituals.
En finalitzar l’assignatura, l’alumnat serà capaç de:
Descripció breu:
El temari s’organitza en dues parts complementàries. La primera desenvolupa competències fonamentals en l’ús de la línia d’ordres, la programació en Python i Bash, la gestió de fitxers biològics, les API, el control de versions, la reproduïbilitat i l’ús crític d’eines de programació assistida per intel·ligència artificial. La segona part aplica aquestes competències a l’exploració i l’avaluació de les principals bases de dades biomèdiques mitjançant exercicis guiats i activitats basades en casos.
CAPÍTOL 1: FONAMENTS DE PROGRAMACIÓ I COMPUTACIÓ (15 HORES)
1.1 Entorns computacionals i línia d’ordres (3 hores)
Navegació pels sistemes de fitxers i gestió de fitxers i carpetes
Permisos i control d’accés
Pipes, encadenament d’ordres i eines de processament de text: cat, grep, awk i sed
Treball amb entorns de dades locals i al núvol
1.2 Fonaments de programació en Python i Bash (3 hores)
Sintaxi bàsica i tipus de dades en Python
Variables, condicions i bucles
Llistes, diccionaris i scripts bàsics de shell
Descomposició de preguntes biomèdiques en tasques computacionals
1.3 Formats de fitxers biomèdics, processament de dades i API (3 hores)
Formats habituals de dades biomèdiques: FASTA, GTF/GFF, VCF, CSV/TSV i JSON
Lectura, escriptura i transformació de dades tabulars
Introducció a les API i a l’accés remot a dades
Obtenció de dades mitjançant consultes bàsiques a API
1.4 Codi modular i fiable (3 hores)
Definició i utilització de funcions
Organització del codi en mòduls
Nomenclatura, comentaris i documentació del codi
Depuració i gestió d’errors
Proves bàsiques i validació de resultats
1.5 Fluxos de treball reproduïbles i programació assistida per IA (3 hores)
Organització i documentació de projectes
Introducció a Git i al control de versions
Ús crític d’eines assistides per IA per generar, explicar i depurar codi
Comprovació, validació i documentació del codi generat mitjançant IA
Miniprojecte en grup: desenvolupament d’un flux de treball de dades reproduïble
CAPÍTOL 2: BASES DE DADES BIOMÈDIQUES I FONTS DE DADES (15 HORES)
2.1 Comprensió de les bases de dades biomèdiques (3 hores)
Principals tipus de dades biomèdiques
Organització de les bases de dades, identificadors i referències creuades
Curació, procedència, versions, qualitat i limitacions de les dades
Introducció als principals portals: NCBI, EMBL-EBI, Ensembl i UniProt
2.2 Dels nucleòtids als gens i genomes (3 hores)
Recursos de nucleòtids i seqüències: GenBank, RefSeq i ENA
Recursos d’informació gènica: NCBI Gene, Ensembl i GeneCards
Exploració de genomes mitjançant UCSC Genome Browser
Nomenclatura gènica mitjançant HGNC
Obtenció de seqüències i referències creuades entre bases de dades
2.3 Expressió i regulació gènica (3 hores)
Recursos d’expressió gènica: GEO i Expression Atlas
Dades de cèl·lula única mitjançant Single Cell Expression Atlas
Recursos de regulació i expressió tissular: GTEx i ENCODE
Interpretació de perfils d’expressió i del seu context biològic
2.4 Seqüències, funcions i interaccions de proteïnes (3 hores)
Recursos de seqüències proteiques: UniProt i RefSeq
Anotació funcional: InterPro, Pfam i PROSITE
Recursos d’interaccions proteïna-proteïna: STRING, IntAct i BioGRID
Interpretació crítica d’interaccions predites i validades experimentalment
2.5 Variació genètica, malalties i recursos farmacològics (3 hores)
Recursos de variació genètica: ClinVar, gnomAD i dbSNP
Recursos relacionats amb malalties: OMIM i Orphanet
Recursos farmacogenòmics i farmacològics: ClinPGx, DrugBank i PubChem
Integració d’informació molecular, patològica i farmacològica en un cas biomèdic
Avaluació de l’evidència, la qualitat de les dades i les limitacions de les bases de dades
Modalitat docent totalment presencial
Classes magistrals – 18 hores: Sessions interactives a l’aula en què el professorat introdueix els conceptes fonamentals i presenta mètodes computacionals, eines i bases de dades mitjançant exemples pràctics. Les sessions poden incloure exercicis guiats breus per reforçar l’aplicació pràctica dels continguts.
Mètode del cas (MC) – 12 hores: L’alumnat, treballant en grups, aborda problemes pràctics basats en casos biomèdics i bioinformàtics mitjançant les dades, els scripts i les bases de dades presentats durant l’assignatura. Cada grup identifica els recursos adequats, desenvolupa un flux de treball documentat, interpreta els resultats, i presenta i justifica les seves conclusions. El professorat guia el debat, proporciona retroacció i introdueix conceptes addicionals quan és necessari.
Alumnat en primera convocatòria:
Examen parcial tipus test: 30 %
Examen final tipus test: 40 %
Activitats del Mètode del Cas: 30 %
Els exàmens poden avaluar la comprensió conceptual, la interpretació de codi, la identificació d’errors, la selecció de formats de fitxer i bases de dades adequats, el disseny de fluxos de treball i la interpretació de resultats computacionals i biomèdics.
Alumnat en segona convocatòria o convocatòries posteriors:
Es conservarà la qualificació obtinguda en les activitats del Mètode del Cas. L’examen final representarà el 70 % de la qualificació final.
L’alumnat que repeteixi l’assignatura i vulgui tornar a fer l’examen parcial en la tercera o cinquena convocatòria podrà fer-ho sempre que ho comuniqui prèviament a la coordinació de l’assignatura.
Criteris generals d’avaluació:
Per calcular la mitjana ponderada caldrà obtenir una qualificació mínima de 5 sobre 10 en l’examen final. La qualificació global mínima per superar l’assignatura serà de 5 sobre 10.
Les preguntes tipus test tindran quatre respostes possibles. Cada resposta correcta sumarà un punt, cada resposta incorrecta restarà 0,33 punts i les preguntes no contestades rebran zero punts.
Les activitats del Mètode del Cas s’avaluaran tenint en compte l’adequació de les eines i les fonts de dades seleccionades, la correcció i la reproduïbilitat del flux de treball, la qualitat de l’anàlisi i de la interpretació crítica, la claredat de la documentació i de la presentació, i la contribució de l’estudiant al treball en grup.
A causa del caràcter d’avaluació contínua de l’assignatura, l’alumnat haurà d’assistir com a mínim al 75 % del total de les hores presencials programades.
El plagi, l’intercanvi no autoritzat de codi o resultats i l’ús no declarat o no autoritzat d’eines d’IA en activitats avaluables es poden considerar conductes acadèmiques indegudes. L’ús d’eines assistides per IA haurà de seguir les instruccions establertes per a cada activitat i s’haurà de declarar quan se sol·liciti.
Els dispositius electrònics només es poden utilitzar amb finalitats educatives durant les classes. No es permet enregistrar ni compartir imatges, àudio o vídeo de l’alumnat o del professorat sense autorització. Aquestes conductes poden comportar l’expulsió de la sessió i l’aplicació de la normativa universitària corresponent.
Python Software Foundation. The Python Tutorial – Python 3 Documentation. https://docs.python.org/3/tutorial/
Python Software Foundation. The Python Standard Library. https://docs.python.org/3/library/
Matthes, E. (2022). Python Crash Course: A Hands-On, Project-Based Introduction to Programming (3rd ed.). No Starch Press. https://nostarch.com/python-crash-course-3rd-edition
Software Carpentry. Programming with Python. https://swcarpentry.github.io/python-novice-inflammation/
GNU Project. Bash Reference Manual. https://www.gnu.org/software/bash/manual/
Chacon, S., & Straub, B. (2014). Pro Git (2nd ed.). Apress. https://git-scm.com/book/en/v2
Biopython Project. Biopython Tutorial and Cookbook. https://biopython.org/wiki/Documentation
NCBI. Tutorials and Educational Resources. https://www.ncbi.nlm.nih.gov/home/tutorials/
EMBL-EBI Training. Introductory Bioinformatics Pathway. https://www.ebi.ac.uk/training/online/courses/introductory-bioinformatics-pathway
Ensembl. Tutorials and Worked Examples. https://www.ensembl.org/info/website/tutorials/
UniProt. Help and Documentation. https://www.uniprot.org/help/
Buffalo, V. (2015). Bioinformatics Data Skills: Reproducible and Robust Research with Open Source Tools. O’Reilly Media.
Additional documentation and tutorials for the databases covered during the course will be provided through Moodle.