Guías Docentes Electrónicas
1. DATOS GENERALES
Asignatura:
BIOINFORMÁTICA Y BIG DATA
Código:
60622
Tipología:
OBLIGATORIA
Créditos ECTS:
6
Grado:
402 - GRADO EN BIOTECNOLOGÍA
Curso académico:
2022-23
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:
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
lunes 12:00-14:00 jueves 12:00-14:00 jueves 16:00-18:00 Solicitar previamente cita mediante e-mail

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
Conocer métodos para representación gráfica de los resultados.
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.
Saber aplicar herramientas básicas del análisis numérico para la resolución de problemas biológicos, químicos, bioquímicos y biotecnológicos.
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.
Representar datos y realizar representaciones de los mismos.
Saber diseñar experimentos y ajustar los datos obtenidos por regresión lineal y no lineal con herramientas informáticas.
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 Se propondrán trabajos prácticos. Estas clases se dedicarán a la presentación, explicación y resolución de dudas sobre éstos.
Elaboración de memorias de Prácticas [AUTÓNOMA] Trabajo dirigido o tutorizado CB01 CB02 CB03 CB04 CB05 CE14 CG01 CG02 CG03 CT01 CT02 CT03 CT04 0.8 20 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 CB01 CB03 CE14 CG02 CT03 0.16 4 S N 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 CB02 CB03 CB05 CE14 CG01 CG02 2.6 65 N N
Presentación de trabajos o temas [PRESENCIAL] Presentación individual de trabajos, comentarios e informes CB02 CB03 CB04 CB05 CG02 CG03 CT02 CT03 CT04 0.2 5 S N Uno de los trabajos prácticos consistirá en la presentación de un tema relacionado con la asignatura y no incluido en el programa.
Total: 6 150
Créditos totales de trabajo presencial: 2.6 Horas totales de trabajo presencial: 65
Créditos totales de trabajo autónomo: 3.4 Horas totales de trabajo autónomo: 85

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 65.00% 65.00% Las pruebas de progreso consisten en un examen escrito. Se realizarán dos, una a mitad del curso y otra al final. Ambas son opcionales y pueden recuperarse mediante un examen en la convocatoria ordinaria.
Elaboración de memorias de prácticas 15.00% 15.00% A lo largo se proponen 5 problemas o casos prácticos. Uno de ellos, el último, consistirá en la presentación de un tema relacionado con la asignatura y no incluido en el programa. Deberá ser recogido en una memoria y expuesto.
Práctico 20.00% 20.00% A lo largo se proponen 5 problemas o casos prácticos, relativos a cada uno de los temas. Los cuatro primeros han de ser resueltos y serán evaluados mediante la resolución de un cuestionario.
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:
    Las pruebas de progreso son eliminatorias. Se considera superada la prueba si se obtiene una nota mayor o igual que cuatro. Una vez superada una prueba el alumno puede optar por no volver a examinarse por la parte correspondiente.

    Para superar la asignatura es necesario obtener una media superior a cuatro en las pruebas de progreso.

    Los alumnos que no superen las pruebas de progreso deben recuperarlas en la prueba final, que tendrá lugar en la fecha asignada al examen ordinario.

    Es necesario obtener una media superior a 4 en las cuatro prácticas para aprobar la asignatura.

    Los alumnos que no superen alguna de las cuatro primeras prácticas (por no entregarla o por no superar el cuestionario/entrevista de evaluación), pueden volver a defenderlas en la convocatoria ordinaria.

    Es obligatorio entregar y exponer la última práctica, de temática libre. Esta exposición se hará en las dos últimas sesiones de clase. En caso de que haya algún problema, y de forma excepcional, se permitirá grabar en vídeo las presentaciones.

    Es necesario obtener una calificación superior a 4 en la última práctica para superar la asignatura.
  • Evaluación no continua:
    Para superar la asignatura es necesario obtener una media superior a cuatro en la prueba ordinaria.

    Están exentos de hacer la prueba final los alumnos que hayan superado las pruebas de progreso.

    Es necesario obtener una media superior a 4 en las cuatro prácticas para aprobar la asignatura.

    Es obligatorio entregar y exponer la última práctica, de temática libre. Esta exposición se hará en las dos últimas sesiones de clase. En caso de que haya algún problema, y de forma excepcional, se permitirá grabar en vídeo las presentaciones.

    Es necesario obtener una calificación superior a 4 en la última práctica para superar la asignatura.

Particularidades de la convocatoria extraordinaria:
Para superar la asignatura es necesario obtener una media superior a cuatro en la prueba ordinaria.

Están exentos de hacer la prueba final los alumnos que hayan superado las pruebas de progreso.

Es necesario obtener una media superior a 4 en las cuatro prácticas para aprobar la asignatura.

Es obligatorio entregar y exponer la última práctica, de temática libre. Esta exposición se hará en las dos últimas sesiones de clase. En caso de que haya algún problema, y de forma excepcional, se permitirá grabar en vídeo las presentaciones.

Es necesario obtener una calificación superior a 4 en la última práctica para superar la asignatura.
Particularidades de la convocatoria especial de finalización:
Idéntica a la convocatoria extraordinaria. Las prácticas corresponderán a las realizadas el curso anterior.

En caso de no haber sido entregada la práctica de temática libre, habrá que entregar un vídeo con una exposición de la misma.
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 de Pandas http://pandas.pydata.org/  
Documentación Matplotlib http://matplotlib.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  



Web mantenido y actualizado por el Servicio de informática