El programa solo se activará si se alcanza el número mínimo de matrículas establecido.

Los módulos I y II se deben realizar el primer año superando el Diploma de Especialización en Análisis Bioinformático.

Relación de materias

Módulo I: Bases y fundamentos de la bioinformática. 18 ECTS

Asignatura 1: Bases biológicas de la bioinformática. 4 ECTS.

1.1. Estructura y estudio de los genomas.
1.2. Función de los genomas I. Expresión de la información.
1.3. Función de los genomas II. Reparto y herencia.
1.4. Evolución de los genomas.
1.5. Ómicas.
1.6. Genómica funcional.

Asignatura 2: Manejo de secuencias moleculares. 3 ECTS.

2.1. Búsquedas de similitud de secuencia.
2.2. Bases de datos de secuencias.
2.3. Bases de datos ómicas.

Asignatura 3: Introducción al lenguaje de programación R. 4 ECTS.

3.1. Introducción a la programación.
3.2. Introducción a R.
3.3. R en línea de comandos para análisis estadístico.
3.4. Representación gráfica de datos en R.
3.5. Programación en R.

Asignatura 4: Sistema operativo Linux y Computación de alto rendimiento. 3 ECTS.

4.1. Instalación del sistema operativo Linux.
4.2. Ficheros y árboles de directorios.
4.3. Comandos del terminal de Linux.
4.4. Redireccionamiento de entrada/salida (pipe).
4.5. Uso de Blast desde el terminal de comandos de Linux.
4.6. Acceso y trabajo en remoto a clúster de supercomputación.

Asignatura 5: Introducción a la programación para resolver problemas biológicos. 4 ECTS.

5.1. Introducción a Python.
5.2. Sesión interactiva Python.
5.3. Crear y ejecutar programas.
5.4. Operadores.
5.5. Cadenas, listas, tuplas y diccionarios.
5.6. Expresiones regulares.
5.7. Entrada Estándar: input() y salida Estándar print().
5.8. Operaciones con archivos.

Módulo II: Análisis de datos biológicos a gran escala. 12 ECTS

Asignatura 6: Análisis de datos genómicos: Next Generation Sequencing (NGS). 4 ECTS.

6.1. Introducción las tecnologías de Next Generation Sequencing (NGS).
6.2. Análisis de calidad y filtrado de secuencias.
6.3. Mapeo de secuencias: herramientas de mapeo, visualización y análisis de calidad.
6.4. Identificación y anotación de variantes genómicas.
6.5. Ensamblaje de novo de genoma.

Asignatura 7: Análisis de datos de expresión génica y regulación. 4 ECTS.

7.1. Ensamblaje de transcriptomas, búsqueda de isoformas, y anotación y evaluación del ensamblaje.
7.2. Análisis de expresión génica usando RNA-seq.
7.3. Análisis de expresión génica mediante scRNA-seq.
7.4. Análisis de datos de regulación: ChIP-seq.

Asignatura 8: Anotación estructural y funcional de genomas. 4 ECTS.

8.1. Introducción a la búsqueda de genes y detección de genes en organismo procariotas.
8.2. Predicción de genes en organismos procariotas.
8.3. Predicción de genes en organismos eucariotas.
8.4. Introducción a la evaluación de predicciones estructurales de genes.
8.5. Obtención de anotaciones.
8.6. Anotación masiva.

Módulo III: Bioinformática avanzada. 20 ECTS

Asignatura 9: Diseño de experimentos. 4 ECTS.

9.1. Estadística básica.
9.2. Diseños de un factor.
9.3. Diseños cruzados.
9.4. Diseños jerarquizados.

Asignatura 10: Programación informática avanzada. 4 ECTS.

10.1. Conceptos básicos de Python.
10.2. Programación ordenada con Python.
10.3. Funciones.
10.4. Introducción a los Módulos.
10.5. Documentación de código (Docstrings).
10.6. Errores y excepciones.
10.7. Expresiones regulares. Módulo re.
10.8. Ejecución de comandos externos.
10.9. Cálculo estadístico.
10.10. Creación de módulos.

Asignatura 11: Análisis de estructura de proteínas. 4 ECTS.

11.1. Introducción a las estructuras de proteínas.
11.2. Modelización de estructura 3D.
11.3. Comparación de estructuras.
11.4. Análisis de estructura 3D.

Asignatura 12: Redes génicas. 4 ECTS.

12.1. Introducción a la predicción, modelado y uso de redes de interacción molecular.
12.2. Métodos computacionales y experimentales para la predicción sistémica de interacciones génicas.
12.3. Métricas de similitud y distancia entre pares de genes interaccionantes.
12.4. Ontología de genes y redes de similitud semántica.
12.5. Validación y comparación de métodos de predicción. Curvas ROC.
12.6. Integración de métodos de predicción.
12.7. Clustering y análisis funcional en redes de interacción molecular.

Asignatura 13: Ciencia de Datos y Big Data. 4 ECTS.

13.1. Introducción a la Ciencia de Datos.
13.2. Preprocesado de los datos: limpieza, editado, selección de atributos.
13.3. Regresión.
13.4. Clasificación.
13.5. Clustering.
13.6. Reglas de asociación.
13.7. Introducción a Big Data.
13.8. Aplicaciones: Un caso real.

Módulo IV: Trabajo Fin de Máster. 10 ECTS