Aspectos generales
Responsable
Métodos de evaluación
| Método |
Cantidad |
Porcentaje |
| Programas para desarrollar en casa como tareas en cada sesión |
16 |
100% |
Integrantes
| Integrante |
Rol |
Horas |
Actividad complementaria |
| TABOADA RAMIREZ BLANCA ITZELT |
Responsable |
4.00 |
|
| MERINO PEREZ ENRIQUE |
Responsable |
4.00 |
|
| GUTIÉRREZ RÍOS ROSA MARÍA |
Responsable |
8.00 |
|
| BUENO HERNANDEZ BRANDON |
Coordinador estudiante (Registrado) |
32.00 |
Si |
| GARCÍA LÓPEZ RODRIGO |
Profesor invitado (MDCBQ) |
4.00 |
|
| EDNA CRUZ FLORES |
Profesor invitado (Externo) |
4.00 |
|
| MARICELA CARRERA REYNA |
Profesor invitado (Externo) |
4.00 |
|
| OSCAR ALEJANDRO USCANGA JUNCO |
Profesor invitado (Externo) |
4.00 |
|
Introducción
Las aplicaciones bioinformáticas se han multiplicado en este y el siglo pasado, al igual que el número de bases de datos biológicas y el desarrollo de las ciencias ómicas. Esto ha creado la necesidad de manejar y analizar datos de manera masiva.
En la era de la genómica y post-genómica las habilidades de programación son esenciales para el recabado, transformación, análisis y representación de datos de diversa naturaleza. El hecho de que no hay estándares en cuanto a los formatos de los miles de millones de secuencias de nucleótidos y aminoácidos, anotaciones de genomas y metagenomas, entre otros, hace que las necesidades de extracción de datos, la conversión de formatos, y resúmenes estadísticos para descubrir todo tipo de patrones sean imprescindibles.
Por ello, la capacidad para desarrollar herramientas computacionales es esencial en la biología moderna, cada vez más cercana a la ciencia de datos, para el recabado, organización, transformación, visualización y análisis estadístico de la información.
Un lenguaje sencillo -pero muy poderoso- como Python, cuenta sobradamente con los elementos para llevar a cabo este tipo de tareas, así como otras más complejas.
Estamos convencidos de que el conocimiento de este lenguaje de programación puede elevar las capacidades de utilización de las actuales aplicaciones bioinformáticas y que, sin duda, será para algunos de los asistentes el inicio de desarrollos informáticos bajo nuevas perspectivas.
Dinámica del curso
-Presentación oral del profesor apoyada por material audiovisual.
-Realización de prácticas en cada clase en donde el alumno desarrollará algoritmos en el lenguaje de programación.
En todos los casos los ejemplos y ejercicios estarán relacionados con problemas biológicos asociados a el área de bioinformática. Dado que la sesiones son teórico-prácticas, todos los profesores participan en todas las sesiones apoyando en la parte práctica y en la resolución de dudas.
Aunque un profesor es el encargado de la exposición de o los temas, debido a la dificultad para desarrollar algoritmos de lo alumnos principiantes, la idea del curso es que los profesores participen activamente en la asesoria dentro y fuera del aula. Esro es importanta, ya que un problema puede resolverse computacionalmente de maneras distintas por lo que cada código es único
Objetivos
Dotar a los asistentes de los conocimientos necesarios para el desarrollo de aplicaciones básicas con el lenguaje Python y el uso de librerías para el análisis de datos a gran escala.
Temario
Introducción a la programación en Python (4 clases, total: 16 horas)
MOCA. Edna Cruz Flores (1 clase, 4 hrs)
M en C. Oscar Alejandro Uscanga Junco (1 clase, 4 horas)
M en C. Brandon Bueno Hernández (2 clase 8 horas)
1.1 Primeros pasos en Colab
1.2 Expresiones
1.3 Variables
1.4 Tipos de datos
1.5 Condicionales
1.6 Ciclos
1.7 Funciones
1.8 Manejo de archivos
1.9 Ejemplos aplicados
Librería Numpy (3 clases, total: 12 horas)
M en C. Brandon Bueno Hernández (2 clases, 8 horas)
Dr. Enrique Merino Pérez (1 clase, 4 horas)
2.1 Arreglos Numpy
2.2 Creación y almacenamiento de arreglos
2.3 Manipulación de arreglos
2.4 Métodos o funciones de arreglos
2.5 Aritmética
2.6 Comparación
2.7 Estadísticas
2.8 Ordenamiento y búsqueda
2.9 Ejemplos aplicados
Librería Pandas (4 clases, total: 16 horas)
M en C. Brandon Bueno Hernández (3 clases, 12 horas)
Dr. Rodrigo Gracía López (1 clase, 4 horas)
3.1 Estructuras
3.2 Creación y almacenamiento
3.3 Consulta, asignación y visualización
3.4 Métodos
• Operaciones aritméticas, lógicas y estadísticas
• Operaciones en columnas, grupos y agregación
• Combinación de DataFrames
3.5 Ejemplos aplicados
4 Librerías para visualización de datos (2 clases 8 horas)
Dra. Blanca Itzelt Taboada Ramírez (1 clase, 4 horas)
M en C Brandon Bueno Hernández (1 clase, 4 horas)
4.1 Matplotlib
4.2 Seaborn
5. Librería BioPython (3 clases 12 horas)
Dra. Rosa María Gutiérrez Ríos (2 clases, 8 horas)
M en C. Maricela Carrera (1 clase, 4 horas)
5.1 Introducción a Biopython
5.2 Operaciones con secuencias biológicas
5.3 Anotación de secuencias biológicas
5.4 Lectura y escritura de archivos (Formatos)
5.5 Acceso a bases de datos (NCBI, SwissProt y consulta usando Blast)
5.6 Alineamientos (Menejo e inspección)
5.7 Búsqueda de patrones
5.8 Generación de logos desde secuecuencias conservadas
Descargables
