UNIVERSIDAD DE SAN CARLOS DE GUATEMALAFACULTAD DE INGENIERIAESCUELA DE ESTUDIOS DE POSTGRADOS

2019

BIMESTRE

11

Nombre del Cuso: Software y bases de datos biomédicas molecularesCódigo: BBMB 101 Créditos: 2.5

Escuela: ESTUDIOS DE POSTGRADO Especialidad a la que pertenece:

Bioinformática y biocomputación molecular

biomédicaDocentes: M.Sc. Luis Fernando Espino Barrios

Edificio: T 1 Sección: A Salón del curso:

Horario delcurso:

Horas por semana del curso: 6 horas presenciales

Bimestre: 1 Período: 23 de febrero al 16 de marzo de 2019

1. DESCRIPCIÓN DEL CURSO

Introducción a la bionformática mediante el conocimiento de diferentes software y bases de datos de tipo biomédicos moleculares, el uso y comprensión de los modelos de datos. También el uso de la minería de datos como técnica de recuperación y clasificación, asimismo una introducción a la inteligencia artificialpara su aplicación en la bioinformática.

2. OBJETIVOS

GENERAL1. Proveer al estudiante los

conocimientos solidos de las fuentes especializadas en biomedicina molecular con énfasis en las aplicaciones e interpretación de los resultados.

ESPECÍFICOSLograr que el participante al final del curso seacapaz de:1. Conocer los modelos de datos, así como los

diferentes paradigmas de las bases de datos para entender el funcionamiento de los repositorios existentes de datos biológicos.

2. Presentar las diferentes bases de datos de secuencias, ADN, proteínas y ARN.

3. Utilizar los sistemas más utilizados para el análisis de secuencias.

4. Comprender los algoritmos de minería de datos para recuperar y clasificar información biológica.

5. Entender las estrategias basadas en inteligencia

UNIVERSIDAD DE SAN CARLOS DE GUATEMALAFACULTAD DE INGENIERIAESCUELA DE ESTUDIOS DE POSTGRADOS

2019

BIMESTRE

12

3. COMPETENCIAS TERMINALES

Que el estudiante conozca los modelos de datos para entender el funcionamiento de repositorios.Que el estudiante utilice las diferentes bases de datos de secuencias biológicas y pueda analizarlas para interpretar resultados.Que el estudiante comprenda los algoritmos de minería de datos para que aproveche el máximouso de las bases de datos biológicas existentes.Que el estudiante se introduzca en la inteligencia artificial aplicada a la biología molecular y bioinformática.

4. CONTENIDO TEMÁTICO DEL CURSO

Unidad TemaI 1. Introducción a la bioinformática y bases de datosII 2. Análisis de secuencias en las bases de datosIII 3. Minería de datos para datos biológicosIV 4. Inteligencia artificial para datos biológicos

UNIVERSIDAD DE SAN CARLOS DE GUATEMALAFACULTAD DE INGENIERIAESCUELA DE ESTUDIOS DE POSTGRADOS

2019

BIMESTRE

13

5. CRONOGRAMA DE ACTIVIDADESSe

sión

Fe

cha

Objetivo de la sesión Contenidos a desarrollar Actividad Evaluación

Sesi

ón N

o.1

Presentación del docente

Descripción del curso

Introducción al curso

1. Introducción1.1. Bases de datos1.2. Modelos de datos1.3. Paradigmas de bases de datos1.4. Bioinformática1.5. Minería de datos

Entrega de Programa

Organización del curso

Clase magistral

Hoja de trabajo 1, 2

puntos.

Sesi

ón N

o.2

Recopilación de las diferentes bases de datos

2. Bases de datos2.1. Secuencias de ADN, ARN, Proteínas2.2. Filogenética2.3. Caminos, estructuras y micro arreglos

Clase magistral Hoja de trabajo

2, 2 puntos.

Sesi

ón N

o.3

Búsqueda de secuencias en las bases de datos

3. Búsquedas3.1. Búsquedas de similitudes3.2. Búsquedas de datos biológicos3.3. Genoma humano

Clase magistral

Práctica 1

Hoja de trabajo

3, 2 puntos.Práctica

5 puntos.

Sesi

ón N

o.4

Análisis de secuencias, comparación y alineación

4. Análisis4.1. Comparación de secuencias4.2. Alineación de secuencias4.3. Edición de secuencias

Clase magistral

Examen Parcial

Hoja de trabajo

4, 2 puntos.Parcial

30 puntos.

Sesi

ón

No.

5

Análisis de estructuras 3D y secundarias

5. Análisis avanzados5.1. Proteína con estructura 3D5.2. Estructuras secundarias de ARN5.3. Árboles filogenéticos

Clase magistral

Hoja de trabajo

5, 2 puntos.

Sesi

ón N

o.6 Utilización de la minería

de datos para descubrimiento y clasificación de datos biológicos

6. Minería de datos6.1. Descubrimiento6.2. Clasificación6.3. Clustering6.4. Procesamiento de datos en la nube

Clase magistralHoja de

trabajo 6, 2 puntos.

Sesi

ón N

o.7

Fech

a: a

bril

6 de

201

9

Introducción a la inteligencia artificial mediante métodos supervisados y no supervisados

7. Inteligencia artificial7.1. Métodos de inferencia7.2. Métodos supervisados y no

supervisados7.3. Redes neuronales

Clase magistral Práctica 2 Trabajo de

investigación para el examen final.

Hoja de trabajo

7, 2 puntos.Práctica 5 puntos.

Trabajo 16 puntos.

TOTAL 70 puntos

UNIVERSIDAD DE SAN CARLOS DE GUATEMALAFACULTAD DE INGENIERIAESCUELA DE ESTUDIOS DE POSTGRADOS

2019

BIMESTRE

14

Sesi

ón N

o.8

Fech

a: a

bril

27 d

e 20

19

Evaluación del aprendizaje

Examen Final30

puntos

6. NOTA DE PROMOCIÓN Y EVALUACIÓN DEL RENDIMIENTO ACADÉMICO

La nota de promoción es de 70 puntos en una escala de 0 a 100 puntos, de acuerdo con el Reglamento del sistema de Estudios de Postgrado de la USAC. La asistencia debe ser de al menosel 85%. La zona es de 70 puntos y la evaluación final es de 30 puntos, no hay exámenes de recuperación.

Examen parcial 30 puntosHojas de trabajo 14 puntosPrácticas 10 puntosTrabajo de investigación 16 puntos

--------------Zona 70 puntosExamen final 30 puntos

-------------Nota final 100 puntos

6. METODOLOGÍA- Método: deductivo.- Técnicas: expositiva y demostrativa.- Instrumentos: guías de trabajo, preguntas y diálogos.

UNIVERSIDAD DE SAN CARLOS DE GUATEMALAFACULTAD DE INGENIERIAESCUELA DE ESTUDIOS DE POSTGRADOS

2019

BIMESTRE

15

7. BIBLIOGRAFÍA

1. Attwood, T.; Parry-Smith, D. (1999) Introduction to Bioinformatics. Addison Wesley. Great Bretain.

2. Byron, K.; Herbert, K.; Wang, J. (2017) Bioinformatics Database Systems. CRC Press. USA.

3. Liu, E.; Lauffenburger, D. (2010) Systems Biomedicine: Concepts and Perspectives. Elsiever Inc. USA.