Profesor | Alejandra Cervera Taboada |
Ayudante |
Temas Selectos en Física del Diagnóstico Médico
“Introducción al análisis de datos de secuenciación masiva”
Profesores: Dra. Alejandra Cervera Taboada
Dr. Daniel Pérez Calixto
Objetivo:
Impartir un planteamiento general del análisis de datos de secuenciación masiva utilizando herramientas bioinformáticas actuales.
Contribución de este curso/tópico en la formación académica:
El alumno obtendrá una visión general del análisis de datos transcriptómicos gracias a las herramientas y ejercicios que se impartirán durante el curso.
Requisitos previos
Se recomienda contar con bases en programación en R y Bash, sin embargo el curso será autocontenido
Introducción
Los análisis transcriptómicos permiten cuantificar la expresión génica mediante el uso de plataformas de secuenciación de nueva generación (NGS). La interpretación de los datos procedentes de la secuenciación del ARN (RNA-Seq) se ha convertido en una de las herramientas más demandadas en el área médica debido a su sensibilidad y precisión.
El presente curso pretende impartir una introducción al análisis de datos provenientes de este tipo de plataforma, confiriendo a los estudiantes una visión general de esta área de rápido crecimiento.
Temario
Conceptos básicos (2 semanas)
Dogma central de la biología molecular
Estructura del ADN y ácidos nucleicos
Transcripción génica
Tecnologías de cuantificación del transcriptoma (2 semanas)
Microarreglos
Secuenciación
Diseño experimental de análisis de transcriptoma
Introducción a la programación en R (2 semanas)
Análisis bioinformático de la expresión génica (3 semanas)
Análisis de calidad de lecturas
Recorte de adaptadores y lecturas de mala calidad
Alineamiento de lecturas contra genoma o transcriptoma de referencia
Cuantificación
Análisis de expresión diferencial
Análisis de enriquecimiento funcional (2 semanas)
Herramientas para visualización de resultados y creación de gráficas (2 semanas)
Aplicaciones biomédicas (2 semanas)
Propuesta de evaluación
EL curso se desarrollará en sesiones síncronas donde se evaluará lo siguiente:
Participación en clase
Tarea examen
Práctica de análisis de expresión
Exposición (última semana)
Bibliografía
1.Kappelmann-Fenzl, M. Next Generation Sequencing and Data Analysis. (Springer Nature, 2021).
2.Li, Y., Ge, X., Peng, F., Li, W. & Li, J. J. Exaggerated false positives by popular differential expression methods when analyzing human population samples. Genome Biol. 23, 1–13 (2022).
3.Love, M. I., Anders, S., Kim, V. & Huber, W. RNA-Seq workflow: gene-level exploratory analysis and differential expression. F1000Res. 4, 1070 (2015).
4.Conesa, A. et al. A survey of best practices for RNA-seq data analysis. Genome Biol. 17, 1–19 (2016).
5.Chen, J.-W., Shrestha, L., Green, G., Leier, A. & Marquez-Lago, T. T. The hitchhikers’ guide to RNA sequencing and functional analysis. Brief. Bioinform. 24, (2023).
6.Turnpenny, P. D., Ellard, S. & Cleaver, R. Emery. Elementos de genética médica y genómica. (Elsevier Health Sciences, 2022).