1. DATOS GENERALES
Asignatura:
BIOINFORMÁTICA Y BIG DATA
Código:
60622
Tipología:
OBLIGATORIA
Créditos ECTS:
6
Grado:
402 - GRADO EN BIOTECNOLOGÍA
Curso académico:
2020-21
Centro:
601 - ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA AGRONÓMICA Y DE MONTES Y BIOTECNOLOG
Grupo(s):
10
Curso:
3
Duración:
Primer cuatrimestre
Lengua principal de impartición:
Español
Segunda lengua:
Uso docente de otras lenguas:
Inglés
English Friendly:
S
Página web:
campusvirtual.uclm.es
Bilingüe:
N
Profesor:
LUIS DE LA OSSA JIMENEZ
- Grupo(s):
10
Edificio/Despacho
Departamento
Teléfono
Correo electrónico
Horario de tutoría
ESII / 0.A.12
SISTEMAS INFORMÁTICOS
2413
luis.delaossa@uclm.es
Consultar https://www.esiiab.uclm.es/tutorias.php
2. REQUISITOS PREVIOS
Haber cursado y superado la asignatura "Estadística y métodos computacionales".
3. JUSTIFICACIÓN EN EL PLAN DE ESTUDIOS, RELACIÓN CON OTRAS ASIGNATURAS Y CON LA PROFESIÓN
En esta asignatura se proporcionará a los alumnos los conocimientos necesarios para resolver algunos problemas biológicos mediante métodos computacionales. Por otra parte, se abordará el desarrollo de aplicaciones para análisis de datos biológicos y para la resolución de problemas derivados del uso de volúmenes masivos de datos. En este sentido, también se hará una introducción a las técnicas de aprendizaje automático. Por último, se estudiarán los principios básicos de tratamiento de imagen digital, y las problemáticas y técnicas de procesamiento de imagen más comunes en biología.
4. COMPETENCIAS DE LA TITULACIÓN QUE LA ASIGNATURA CONTRIBUYE A ALCANZAR
| Competencias propias de la asignatura | |
|---|---|
| Código | Descripción |
| CB01 | Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio |
| CB02 | Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio |
| CB03 | Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética |
| CB04 | Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
| CB05 | Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía |
| CE14 | Conocer el manejo de bases de datos biológicos, bioquímicos y genéticos. |
| CG01 | Capacidad de organización y planificación. |
| CG02 | Capacidad de análisis y síntesis. |
| CG03 | Capacidad para trabajar en equipos multidisciplinares de forma colaborativa y con responsabilidad compartida. |
| CT01 | Conocer una segunda lengua extranjera. |
| CT02 | Conocer y aplicar las Tecnologías de la Información y la Comunicación (TIC). |
| CT03 | Utilizar una correcta comunicación oral y escrita. |
| CT04 | Conocer el compromiso ético y la deontología profesional. |
5. OBJETIVOS O RESULTADOS DE APRENDIZAJE ESPERADOS
| Resultados de aprendizaje propios de la asignatura | |
|---|---|
| Descripción | |
| Entender las bases de las ciencias de la computación e informática, saber manejarse en el entorno de los principales sistemas operativos para el desarrollo de operaciones básicas y desarrollar programas sencillos de aplicación en Biotecnología en un lenguaje de alto nivel. | |
| Entender los fundamentos de la Programación Orientada a Objeto. | |
| Entender y manejar estructuras de datos. | |
| Manejar e integrar el software existente para el análisis de secuencias biológicas. | |
| Manejar expresiones regulares para la búsqueda de patrones. | |
| Adquirir la capacidad de leer y escribir ficheros de textos. | |
| Saber diseñar experimentos y ajustar los datos obtenidos por regresión lineal y no lineal con herramientas informáticas. | |
| Saber recuperar y aprovechar la información biotecnológica disponible relacionada con las secuencias biológicas, las estructuras de las biomoléculas, la genómica y la proteómica. | |
| Utilizar los métodos para la entrada y salida de datos. | |
| Conocer los fundamentos de los métodos de mejora y aprovechamiento de esas señales y saber aplicar los métodos elementales mediante herramientas informáticas. | |
| Conocer los fundamentos de los principales métodos de tratamiento de secuencias biológicas y saber aplicarlos mediante herramientas informáticas. | |
| Conocer los principios de adquisición de imágenes y otras señales en el contexto biotecnológico y las causas de su degradación. | |
| Conocer métodos para representación gráfica de los resultados. | |
| Representar datos y realizar representaciones de los mismos. | |
| Saber aplicar herramientas básicas del análisis numérico para la resolución de problemas biológicos, químicos, bioquímicos y biotecnológicos. | |
| Resultados adicionales | |
| Descripción | |
| Conocer el aprendizaje automático y las posibilidades que ofrece en la resolución de problemas en el campo de la biotecnología. | |
6. TEMARIO
-
Tema 1: Introducción a la bioinformática
-
Tema 2: Procesamiento de datos con Python
-
Tema 2.1: Introducción al entorno Python y a Jupyter notebook
-
Tema 2.2: Programación con Python
-
Tema 2.3: Procesamiento de datos con Pandas
-
Tema 2.4: Expresiones regulares
-
-
Tema 3: Exploración y visualización de datos
-
Tema 3.1: Principios de visualización
-
Tema 3.2: Visualización con matplotlib/seaborn
-
Tema 3.3: Otras herramientas para visualización
-
-
Tema 4: Análisis de datos y modelos predictivos con statsmodels
-
Tema 4.1: Estadística descriptiva
-
Tema 4.2: Test de hipótesis
-
Tema 4.3: Regresión lineal y logística
-
Tema 4.4: Clustering y PCA
-
Tema 4.5: Otras técnicas de aprendizaje automático.
-
-
Tema 5: Procesamiento de imágenes en biología
-
Tema 5.1: Introducción al tratamiento digital de imágenes
-
Tema 5.2: Operaciones básicas de procesamiento de imágenes
-
Tema 5.3: Análisis de imágenes
-
Tema 5.4: Herramientas
-
-
Tema 6: Análisis de secuencias genéticas y proteínas.
-
Tema 6.1: Repositorios y acceso programático
-
Tema 6.2: Similaridad entre secuencias genéticas. Alineamiento.
-
Tema 6.3: Predicción de estructuras secundaria (ARN) y terciaria (Proteína).
-
7. ACTIVIDADES O BLOQUES DE ACTIVIDAD Y METODOLOGÍA
| Actividad formativa | Metodología | Competencias relacionadas (para títulos anteriores a RD 822/2021) | ECTS | Horas | Ev | Ob | Descripción | |
| Enseñanza presencial (Teoría) [PRESENCIAL] | Método expositivo/Lección magistral | CB02 CE14 CT02 | 1 | 25 | N | N | Debido a que la asignatura es de carácter instrumental, parte de las clases de teoría se dedicará a la explicación de conceptos básicos, y otra parte a seminarios sobre las distintas herramientas. | |
| Enseñanza presencial (Prácticas) [PRESENCIAL] | Resolución de ejercicios y problemas | CB02 CB03 CB05 CE14 CT02 | 0.8 | 20 | N | N | Estas clases se dedicarán a la resolución explicación de ejercicios y casos prácticos. | |
| Enseñanza presencial (Prácticas) [PRESENCIAL] | Prácticas | CB01 CB02 CB03 CB04 CB05 CE14 CG01 CG03 CT01 CT02 | 0.4 | 10 | N | N | Presentación, explicación y resolución de dudas sobre los trabajos prácticos. | |
| Elaboración de memorias de Prácticas [AUTÓNOMA] | Trabajo dirigido o tutorizado | CB01 CB02 CB03 CB04 CB05 CE14 CG01 CG02 CG03 CT01 CT02 CT03 CT04 | 1 | 25 | S | S | Fruto de cada práctica, se ha de elaborar una memoria con la descripción del proceso y el análisis de los resultados del trabajo. | |
| Pruebas de progreso [PRESENCIAL] | Pruebas de evaluación | 0.16 | 4 | S | S | Se llevarán a cabo dos pruebas de progreso a lo largo del curso. Ambas son recuperables en el examen final. | ||
| Tutorías de grupo [PRESENCIAL] | Tutorías grupales | CB04 CT04 | 0.04 | 1 | N | N | Se planifica una sesión para hacer balance de la marcha del curso a mitad del cuatrimestre. | |
| Estudio o preparación de pruebas [AUTÓNOMA] | Trabajo autónomo | 2.6 | 65 | N | N | |||
| Total: | 6 | 150 | ||||||
| Créditos totales de trabajo presencial: 2.4 | Horas totales de trabajo presencial: 60 | |||||||
| Créditos totales de trabajo autónomo: 3.6 | Horas totales de trabajo autónomo: 90 | |||||||
Ev: Actividad formativa evaluable Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)
8. CRITERIOS DE EVALUACIÓN Y VALORACIONES
| Sistema de evaluación | Evaluacion continua | Evaluación no continua * | Descripción |
| Pruebas de progreso | 50.00% | 0.00% | Las pruebas de progreso consisten en un examen escrito y en una entrevista en la que se plantearán ejercicios prácticos. Se realizan dos pruebas, que serán recuperables en el examen final. |
| Elaboración de memorias de prácticas | 15.00% | 15.00% | La resolución de cada uno de los casos prácticos debe ser reflejada en una memoria, que será evaluada de manera independiente. |
| Prueba final | 0.00% | 50.00% | La prueba final solamente será obligatoria para aquellos que no hayan superado las pruebas de progreso. |
| Práctico | 35.00% | 35.00% | A lo largo se proponen 5 problemas o casos prácticos, relativos a cada uno de los temas (excepto el uno). |
| Total: | 100.00% | 100.00% |
* En Evaluación no continua se deben definir los porcentajes de evaluación según lo dispuesto en el art. 4 del Reglamento de Evaluación del Estudiante de la UCLM, que establece que debe facilitarse a los estudiantes que no puedan asistir regularmente a las actividades formativas presenciales la superación de la asignatura, teniendo derecho (art. 12.2) a ser calificado globalmente, en 2 convocatorias anuales por asignatura, una ordinaria y otra extraordinaria (evaluándose el 100% de las competencias).
Criterios de evaluación de la convocatoria ordinaria:
-
Evaluación continua:Es obligatorio obtener una puntuación igual o mayor que 5 sobre 10 en:
1) Cada una de las pruebas de progreso.
2) Cada una de las prácticas.
3) La suma total (que incluye la resolución de problemas o casos).
Los alumnos que no superen las pruebas de progreso, pueden presentarse a la prueba final.
Los alumnos que no superen alguna de las prácticas, pueden volver a entregarlas para su evaluación en la convocatoria ordinaria.
Las prácticas y conjuntos de problemas contienen una parte obligatoria, que se puntúa sobre 10, y una optativa.
Se propondrán fechas de entrega cada práctica y conjunto de problemas. No se penaliza la entrega fuera de plazo. Sin embargo, una vez superada la fecha de entrega correspondiente, es obligatorio hacer la parte optativa, y se puntuará sobre 10 la entrega completa. -
Evaluación no continua:Es obligatorio obtener una puntuación igual o mayor que 5 sobre 10 en:
1) La prueba final.
2) Cada una de las prácticas.
3) La suma total (que incluye la resolución de problemas o casos).
Están exentos de hacer la prueba final los alumnos que hayan superado las pruebas de progreso.
Las prácticas y conjuntos de problemas contienen una parte obligatoria, que se puntúa sobre 10, y una optativa.
Se propondrán fechas de entrega cada práctica y conjunto de problemas. No se penaliza la entrega fuera de plazo. Sin embargo, de cara a la evaluación no continua, es obligatorio hacer la parte optativa, y se puntuará sobre 10 la entrega completa.
Particularidades de la convocatoria extraordinaria:
Es obligatorio obtener una puntuación igual o mayor que 5 sobre 10 en:
1) La prueba final.
2) Cada una de las prácticas.
3) La suma total (que incluye la resolución de problemas o casos).
Están exentos de hacer la prueba los alumnos que hayan superado las pruebas de progreso o el examen final en la convocatoria ordinaria.
Las prácticas y conjuntos de problemas contienen una parte obligatoria, que se puntúa sobre 10, y una optativa.
Se propondrán fechas de entrega cada práctica y conjunto de problemas. No se penaliza la entrega fuera de plazo. Sin embargo, de cara a la evaluación no continua, es obligatorio hacer la parte optativa, y se puntuará sobre 10 la entrega completa.
1) La prueba final.
2) Cada una de las prácticas.
3) La suma total (que incluye la resolución de problemas o casos).
Están exentos de hacer la prueba los alumnos que hayan superado las pruebas de progreso o el examen final en la convocatoria ordinaria.
Las prácticas y conjuntos de problemas contienen una parte obligatoria, que se puntúa sobre 10, y una optativa.
Se propondrán fechas de entrega cada práctica y conjunto de problemas. No se penaliza la entrega fuera de plazo. Sin embargo, de cara a la evaluación no continua, es obligatorio hacer la parte optativa, y se puntuará sobre 10 la entrega completa.
Particularidades de la convocatoria especial de finalización:
Idéntica a la convocatoria extraordinaria. Las prácticas corresponderán a las realizadas el curso anterior.
9. SECUENCIA DE TRABAJO, CALENDARIO, HITOS IMPORTANTES E INVERSIÓN TEMPORAL
| No asignables a temas | |
|---|---|
| Horas | Suma horas |
| Pruebas de progreso [PRESENCIAL][Pruebas de evaluación] | 4 |
| Tutorías de grupo [PRESENCIAL][Tutorías grupales] | 1 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 65 |
| Tema 1 (de 6): Introducción a la bioinformática | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 1 |
| Periodo temporal: Semana 1 | |
| Tema 2 (de 6): Procesamiento de datos con Python | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 6 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Resolución de ejercicios y problemas] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 2 |
| Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo dirigido o tutorizado] | 5 |
| Periodo temporal: Semanas 1, 2, 3 y 4 | |
| Tema 3 (de 6): Exploración y visualización de datos | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 2 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Resolución de ejercicios y problemas] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 2 |
| Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo dirigido o tutorizado] | 5 |
| Periodo temporal: Semanas 5 y 6 | |
| Tema 4 (de 6): Análisis de datos y modelos predictivos con statsmodels | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 6 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Resolución de ejercicios y problemas] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 2 |
| Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo dirigido o tutorizado] | 5 |
| Periodo temporal: Semanas 7, 8 y 9 | |
| Tema 5 (de 6): Procesamiento de imágenes en biología | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Resolución de ejercicios y problemas] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 2 |
| Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo dirigido o tutorizado] | 5 |
| Periodo temporal: Semanas 10, 11 y 12 | |
| Tema 6 (de 6): Análisis de secuencias genéticas y proteínas. | |
|---|---|
| Actividades formativas | Horas |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Resolución de ejercicios y problemas] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 2 |
| Elaboración de memorias de Prácticas [AUTÓNOMA][Trabajo dirigido o tutorizado] | 5 |
| Periodo temporal: Semanas 13, 14 y 15 | |
| Actividad global | |
|---|---|
| Actividades formativas | Suma horas |
| Comentarios generales sobre la planificación: | Esta planificación es ORIENTATIVA, pudiendo variar a lo largo del periodo lectivo en función de las necesidades docentes, festividades, o por cualquier otra causa imprevista. La planificación semanal de la asignatura podrá encontrarse de forma detallada y actualizada en la plataforma Campus Virtual. La planificación temporal podrá verse modificada ante causas imprevistas. |
10. BIBLIOGRAFÍA, RECURSOS
| Autor/es | Título | Libro/Revista | Población | Editorial | ISBN | Año | Descripción | Enlace Web | Catálogo biblioteca |
|---|---|---|---|---|---|---|---|---|---|
| Documentación Matplotlib | http://matplotlib.org/ | ||||||||
| Documentación de Pandas | http://pandas.pydata.org/ | ||||||||
| Introducción a la programación con Python | https://www.u-cursos.cl/ingenieria/2011/2/CC3501/1/material_docente/bajar?id_material=381752 | ||||||||
| Jake VanderPlas | Python Data Science Handbook | O'Reilly Media, Inc. | 9781491912058 | 2016 | https://jakevdp.github.io/PythonDataScienceHandbook/ | ||||
| Ravishankar Chityala | Image Processing and Acquisition using Python | Chapman & Hall/CRC | 978-1466583757 | ||||||
| Sebastian Bassi | Python for Bioinformatics | (Chapman & Hall/CRC Computational Biology Series) | 978-1138035263 | 2018 | |||||
| Tim J. Stevens, Wayne Boucher | Python Programming for Biology: Bioinformatics and Beyond | Cambridge University Press | 978-0521720090 | 2015 | |||||
| William W. Cohen | A Computer Scientists Guide to Cell Biology | Springer | 978-0-387-48275-0 | 2007 |