Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 506306 | Asignatura: BIÓMICA | ||||
| Créditos: 6 | Tipo: Obligatoria | Curso: 3 | Periodo: 2º S | ||
| Departamento: Agronomía, Biotecnología y Alimentación | |||||
| Profesorado: | |||||
| URRESTARAZU VIDART, JORGE (Resp) [Tutorías ] | |||||
Resultados aprendizaje
RA11. Demostrar capacidad para trabajar por proyectos TIPO: Habilidades o destrezas.
RA25. Utilizar las herramientas informáticas adecuadas para extraer información funcional de datos procedentes de estudios
biómicos o de bases de datos públicas TIPO: Competencias.
Metodología
| Metodología - Actividad | Horas Presenciales | Horas no presenciales |
| A-1 Clases expositivas/participativas | 12 | 0 |
| A-2 Prácticas | 44 | 0 |
| A-4 Realización de trabajos/proyectos en grupo | - | 25 |
| A-5 Estudio y trabajo autónomo del estudiante | - | 63 |
| A-6 Tutorías | 0 | 2 |
| A-7 Pruebas de evaluación | 4 | 0 |
| Total | 60 | 90 |
Evaluación
| Actividad de evaluación | Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|
| SE1. Pruebas escritas de carácter inidividual | 60 | Sí, mediante prueba escrita | 5 |
| SE3. Presentaciones orales | 10 | No | - |
| SE4. Pruebas e informes | 10 | No | 5 |
| SE5. Trabajos e informes de trabajo experimental | 15 | Sí, mediante prueba escrita. | - |
| SE6. Participación activa | 5 | No | - |
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).
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.
Tema 7. Proteómica computacional. Conceptos generales. Interpretación y procesamiento de datos.
Tema 8. Metabolómica. Conceptos generales. Descubrimiento metabolómico. Metabolómica cuantitativa. Interpretación y procesamiento de datos.
Programa de prácticas experimentales
- Filtrado y mapeo de datos de Next-Generation Sequencing (NGS)
- Introducción al ensamblaje y anotación de genomas
- Análisis de asociación de genoma completo (GWAS)
- Análisis de datos de RNA-seq
- Análisis de enriquecimiento funcional (Gene Ontology)
- Análisis de datos de metagenómica
- Preparación de una muestra biológica para su análisis mediante nLC-MS/MS
- Enriquecimiento de péptidos fosforilados
- Análisis de datos proteómicos. Identificación de péptidos mediante de Novo-sequencing y mediante búsquedas con bases de datos.
- Tratamiento y visualización de datos proteómicos
- Análisis de datos metabolómicos
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)
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)
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