Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa

Módulo/Materia

Herramientas biotecnológicas/Técnicas ómicas

Subir

Descripción/Contenidos

Genoma, proteoma, transcriptoma y metaboloma.

Subir

Competencias genéricas

CB3. 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

CB5. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CT5 - Capacidad para trabajar por proyectos.

Subir

Competencias específicas

CE13. Utilizar las herramientas informáticas adecuadas para extraer información funcional de datos procedentes de estudios biómicos o de bases de datos públicas.

Subir

Resultados aprendizaje

RA1. Ser capaz de manejar información biológica de bases de datos en los formatos más comunes usados en bioinformática.

RA4. Aplicar las técnicas de secuenciación del DNA, ensamblaje y anotación de genomas.

RA5. Comprender los fundamentos de la genómica, transcriptómica, proteómica y metabolómica e identificar las técnicas básicas de análisis en cada caso.

Subir

Metodología

Subir

Idiomas

Castellano

Subir

Evaluación

Nota: Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).

Subir

Temario

Tema 1. Introducción a la Biómica. Aproximación conceptual a las principales técnicas ómicas.

Tema 2. Genómica I. Ensamblaje y anotación de genomas. Tipos de secuencias y predicción de funciones. Resecuenciación de genomas.  Interpretación y procesamiento de datos.

Tema 3. Genómica II. Genome-Wide Association Studies (GWAS). Modelos estadísticos (Modelo Lineal Generalizado-GLM y Modelo Lineal Mixto-MLM). Detección de polimorfismos y variantes estructurales (Variant calling). Interpretación y procesamiento de datos.

Tema 4. Metagenómica. Amplificación de gen marcador y Whole Genome Sequencing-WGS. Interpretación y procesamiento de datos.

Tema 5. Transcriptómica. Diseño de experimentos de RNA-seq. Interpretación de resultados de RNA-seq (expresión diferencial, ontología génica, etc). Procesamiento de datos.

Tema 6. Proteómica basada en MS. Conceptos generales. Aproximaciones top-down y bottom-up. Proteómica cuantitativa. Modificaciones post-traduccionales. Interpretación y procesamiento de datos.

Tema 7. Metabolómica. Conceptos generales. Descubrimiento metabolómico. Metabolómica cuantitativa. Interpretación y procesamiento de datos.

Subir

Programa de prácticas experimentales

Práctica 1. Filtrado y mapeo de datos de Next-Generation Sequencing (NGS)

Práctica 2. Introducción al ensamblaje y anotación de genomas

Práctica 3. Análisis de asociación de genoma completo (GWAS)

Práctica 4. Análisis de datos de RNA-seq

Práctica 5. Análisis de enriquecimiento funcional (Gene Ontology)

Práctica 6. Análisis de datos de metagenómica

Práctica 7. Preparación de una muestra biológica para su análisis mediante nLC-MS/MS

Práctica 8. Enriquecimiento de péptidos fosforilados

Práctica 9. Análisis de datos proteómicos. Identificación de péptidos mediante de Novo-sequencing y mediante búsquedas con bases de datos.

Práctica 10. Tratamiento y visualización de datos proteómicos

Práctica 11. Análisis de datos metabolómicos

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.

Bibliografía básica:

AVRIVARADARJAN, P., MISRA, G. Omics approaches, technologies and applications. Ed. Springer, 2018 (1ª edición)

BALDING, D., MOLTKE, I., MARIONI, J. Handbook of Statistical Genomics. Ed. Wiley, 2019 (4ª edición)

GIBSON, G., MUSE, S.V. A primer genome science Ed. Sinauer, 2009 (3ª edición)

GRIFFITHS, W.J. Metabolomics, Metabonomics and Metabolite Profiling. Ed. Royal Society of Chemistry (RSC), 2008.

KORPELAINEN, E., TUIMALA, J., SOMERVUO, P., HUSS, M., WONG, G. RNA-seq data analysis: a practical approach. Ed. Taylor & Francis Group, 2015 (1ª edición)

PIERCE, B. Genetics essentials: concepts and connections Ed. Freeman Macmillan, 2018 (4ª edición)

RODRÍGUEZ-EZPELETA, N., HACKENBERG, M., ARANSAY A.M. Bioinformatics for High Throughput Sequencing. Ed. Springer, 2012 (1ª edición)

TWYMAN, R.M. Principles of Proteomics. Ed. Taylor & Francis Group, 2014 (2ª edición)

Sociedad Española de Proteómica. Manual de Proteómica vol I y II, 2018.

Bibliografía complementaria:

Alseekh, S. & Fernie, A.R. Metabolomics 20 years on: what have we learned and what hurdles remain? Plant Journal, 94, 933¿942 (2018). https://doi.org/10.1111/tpj.13950

Conesa, A., Madrigal, P., Tarazona, S. et al. A survey of best practices for RNA-seq data analysis. Genome Biology 17, 13 (2016). https://doi.org/10.1186/s13059-016-0881-8

Das, S. & Hirano, M. Comparative genomics and genome evolution. Current Genomics, 13, 85 (2012). https://doi:10.2174/138920212799860715

Goodwin, S., McPherson, J. & McCombie, W. Coming of age: ten years of Next-Generation Sequencing technologies. Nature Reviews Genetics, 17, 333¿351 (2016). https://doi.org/10.1038/nrg.2016.49

Quince, C., Walker, A., Simpson, J. et al. Shotgun metagenomics, from sampling to analysis. Nature Biotechnology, 35, 833¿844 (2017). https://doi.org/10.1038/nbt.3935

Stricker, S., Köferle, A. & Beck, S. From profiles to function in epigenomics. Nature Reviews Genetics 18, 51¿66 (2017). https://doi.org/10.1038/nrg.2016.138

Tam, V., Patel, N., Turcotte, M. et al. Benefits and limitations of Genome-Wide Association Studies. Nature Reviews in Genetics 20, 467¿484 (2019).  https://doi.org/10.1038/s41576-019-0127-1

Vaudel. M., Venne. A.S., Berven. F.S., et al. Shedding light on black boxes in protein identification. Proteomics 14, 1001¿1005 (2014). https://doi.org/10.1002/pmic.201300488

Subir

Lugar de impartición

Aulario Campus Arrosadía

Subir