 |
|
|
|
|
|
||||||||||||
|
|||||||||||||||||
|
|
||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
Biología Computacional aplicada al análisis de datos de Genómica Funcional
Matias Butti. PhD Licenciado en Informatica, magister en Datamining.
Ezequiel Lacunza, licenciado en ciencias Naturales, especialista en Biología Computacional
Martin Carlos Abba, licenciado en especialista en Bioinformatica
Fabio Aritizabal, Químico Farmacéutico, Doctor en Biología Molecular
AGENDA ACADÉMICA
MÓDULO 1
INTRODUCCIÓNALAGENÓMICAFUNCIONAL.
Relación entre Genotipo y Fenotipo. Genómica Funcional y ARN (Expresión génica). Objetivos y alcances. Descripción y caracterización de las principales metodologías de estudio: Microarreglos; RNA seq (Secuenciadores de nueva generación). Ventajas y desventajas de las diferentes plataformas. Abordaje de preguntas científicas utilizando datos de expresión génica.
MÓDULO 2
BASESDEDATOSPÚBLICASDEGENÓMICAFUNCIONAL.
Definición y estructura de una base de datos. Caracterización y uso de las bases de datos públicas. Primarias: GEO (Gene Expression Omnibus, NCBI), Array Express (EMBL-EBI), inSIlico DB.
Secundarias: Multi experiment Matrix, Molecular Signature Database, Gene Signature database, Gene Expression Atlas. Nomenclaturas estandarizadas y herramientas para la traducción entre ellas. Búsqueda de genes diferencialmente expresados en distintas especies según diversas condiciones experimentales, localizaciones celulares o tisulares. Definición de “genesignature”.
MÓDULO3
PRE- PROCESAMIENTOYANÁLISISDEDATOSDEPERFILE ESDEEXPRESIÓNGÉNICA.
Estadística de baja y alta complejidad. Métodos de normalización según las diferentes plataformas. Utilización de programas para la normalización, filtrado y análisis de datos. Introducción a R y Bioconductor: tipos de datos en R, estadística básica, instalación y carga de paquetes, documentación, carga y escritura de archivos. Concepto de pipeline. Principales paquetes de análisis en R/Bioconductor. Sui te TM4: Express Converter,MI DAS y MeV.Métodos no supervisados (Agrupamientos Jerárquicos: HCL, agrupamientos por repartición: KMC, Redes de relevancia, etc) Métodos supervisados (TTest, ANOVA, PCA, etc.). Ejemplos. Revisión de los principales programas de acceso público para el análisis de datos genómicos.
MÓDULO 4
MINERÍADEDATOS,ANOTACIÓNFUNCIONAL PATHWAYSBIOLÓGICOS.
Introducción al concepto de Gene Ontology. Conversión de listas de genes en grupos funcionalmente enriquecidos. Empleo de los programas DAVI D,REVI GO,STRI NG,BABELOMI CS y KEGG PATHWAY. Perspectivas futuras.
INVERSIÓN
CON CUPO LIMITADO, las inscripciones tendrán un valor de: $ 600.000
Descuentos: Los descuentos aplican por pagos realizados antes del 27 de Julio de 2012
Estudiantes de pregrado UNAL presentando el carnet vigente tendrán un 50%
Estudiante de postgrado UNAL presentando el carnet vigente tendrán el 12 % de descuento
Docentes de planta y personal administrativo de la UNAL tendrán un 10% de descuento
Egresados de la UNAL de pregradoposgrado tendrán un 15% de descuento
Pronto pago (en las fechas definidas por la Dirección de Extensión de Facultad o Sede para cada programación) tendrán un descuento del 8%
Cuando tres o mas personas se inscriben a un mismo diplomado a través de un solo comprobante de pago tendrán un descuento del 10%
Afiliados a la ACQF, tendrán un 15% de descuento
DATOS DE CONSIGNACIÓN:
Banco Popular, Cuenta de ahorros No.012-720017, código de recaudo: 20131922
Titular: Fondo Especial Facultad de Ciencias
Pago virtual
Mayores informes:
Dirección: Calle 45 No. 30-02, Edificio 450 – Farmacia, Piso 3. Oficina 316, Correo Electrónico: curextfar_fcbog@unal.edu.co, proyextfar_facbog@unal.edu.co, Conmutador: 3165000 ext. 14641 - 14617
