NOMBRE DE LA ASIGNATURA: Métodos Computacionales en Bioinformática

Transcripción

1 NOMBRE DE LA ASIGNATURA: Métodos Computacionales en Bioinformática CLAVE DE LA ASIGNATURA: 9310 RESPONSABLE DE LA ASIGNATURA: Dr. Ricardo Vázquez Juárez Suplente: Dr. Joaquín Gutiérrez Jagüey PARTICIPANTES: Dr. Joaquín Gutiérrez Jagüey Dr. Eduardo Romero Vivas Dr. Ricardo Vázquez Juárez Dra. Gracia Gómez Anduro M.C. Adrián Munguía Vega Dr. Gopal Murugan Dr. Sergio Flores (UABCS) CREDITOS: 6 (24 horas teoría 48 horas práctica) Curso optativo: Mayo-Agosto OBJETIVOS DE LA ASIGNATURA 1) 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. 2) Familiarizar al alumno con el uso de los programas computacionales, bases de datos, y recursos bioinformáticos disponibles. 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

2 1.4. Repaso Probabilidad y Estadística Complejidad de los Algoritmos 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

3 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)

4 6. OPTATIVAS (A o B) A. ANÁLISIS DE MICROARREGLOS A.1. Definición del problema A.2. Métodos de análisis a) Basado en Clusters (GENECLUSTER) b) Clasificación Binaria (SVM) A.3. Modulo práctico a) Genotecas b) Recursos bioinformáticos (GeneArise, GenOntology) B. PCR EN TIEMPO REAL B.1. Definición del problema B.2. Fundamento de los análisis en tiempo real a) Análisis de la ecuación de 2 -ΔCt b) Análisis de la ecuación 2 -ΔΔCt C.1. Parámetros a considerar en tiempo real a) Diseño de primers b) Integridad y pureza del RNA c) validación del gen constitutivo d) Determinación del valor de Ct f) Eficiencia de reacción C.2. Cuantificación relativa Vs Cuantificación absoluta

5 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 BIBLIOGRAFÍA RECOMENDADA. 1) Pevssner, J. 2003) Bioinformatics and Functional Genomics. John-Wiley& Sons Inc. First Ed. USA. 2) Mount, D. W. (2004). Bioinformatics Sequences and Genome Analysis. Cold Spring Harbor Laboratory Press, USA, 2 nd Edition. 3) Baxevanis, A.D. et al. (2001). Bioinformatics: A Practical Guide to the Analysis of Genes and Proteins, 2nd Edition. Wiley Interscience. 4) Gibas, C. Jambeck, P. (2001) Developing Bioinformatics computer skills. O Reilly. 5) Causton, H. C. (2003). A Beginner s Guide Microarray Gene Expression Data Analysis. Blackwell Science Ltd.