Guía docente de Análisis Informático en Biología de Sistemas (M78/56/1/26)

• Bases de datos biológicas de ADN, ARN y proteínas.
• Criterios para la evaluación de la información contenida en repositorios públicos.
• Uso de servicios web y API para la búsqueda remota en bases de datos.
• Sistemas de acceso a bases de datos: Entrez, SRS, Genome Browser y GoldenPath.
• Herramientas para la minería de bases de datos biomédicas.
• Métodos de preprocesamiento y normalización de datos de ciencias ómicas.
• Implementación de pipelines de análisis de datos ómicos mediante métodos estadísticos y de aprendizaje automático.
• Agregación e integración de información procedente de otras fuentes de datos biológicos (bioontologías, como GO, y bio-pathways, como KEGG) para el enriquecimiento de los resultados del análisis de arrays.
• Cartografía e infografía molecular de proteínas. Coordenadas atómicas. Bases de datos estructurales (PDB, FSSP, etc.). Geometría del enlace peptídico.
• Métodos de predicción de la estructura de las proteínas. Métodos basados en inteligencia artificial (AlphaFold).
• Conocimiento de redes complejas en el contexto de la Biología Molecular.
• Estrategias de simulación y técnicas bioinformáticas aplicadas a la biología de sistemas.

Se recomienda seguir el orden cronológico de las enseñanzas del grado y haber aprobado las
asignaturas del módulo de formación básica y un 50% de las materias obligatorias.

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe
adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones
contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la
UGR" publicado en esta ubicación:

https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

• Conocer, gestionar y desarrollar bases de datos y componentes locales y distribuidos, de acuerdo con los estándares y las tendencias actuales y futuras.
• Emplear estrategias de minería de datos (data mining) para la extracción, el análisis y la interpretación de datos.
• Conocer las matrices de expresión génica.
• Adquirir conocimientos básicos sobre los instrumentos metodológicos empleados para la caracterización bioinformática de las proteínas.
• Conocer las principales bases de datos estructurales y los recursos web relacionados con el análisis estructural, funcional y evolutivo de las proteínas.
• Comprender el alcance, las limitaciones y los principales ámbitos de aplicación de las herramientas bioinformáticas en el estudio de la estructura y la función de las proteínas, con especial énfasis en la ingeniería de proteínas, el diseño racional de fármacos y la nanobiotecnología.
• Adquirir conocimientos sobre los sistemas complejos adaptativos.
• Conocer las redes complejas en el contexto de la biología molecular.

1. Análisis informático de datos en ciencias ómicas para biología de sistemas

Profesor: Carlos Cano Gutiérrez

• Herramientas para realizar minería de bases de datos biomédicas.
• Métodos de preprocesamiento y normalización de datos de microarrays.
• Clustering y biclustering para la obtención de módulos de coexpresión en datos de microarrays.
• Agregación e integración de información procedente de otras fuentes de datos biológicos —bioontologías, como GO, y rutas biológicas, como KEGG— para el enriquecimiento de los resultados del análisis de arrays.

2. Análisis computacional y estadístico de redes complejas en biología de sistemas

Profesora: Coral del Val Muñoz

• Caracterización de redes biológicas. Redes complejas en el contexto de la biología molecular.
• Medidas de centralidad, identificación de módulos y visualización de redes. Integración con datos ómicos y bibliográficos.
• Herramientas para realizar minería de bases de datos biomédicas.
• Uso de servicios web y API para la búsqueda remota en bases de datos.

3. Análisis bioinformático de la estructura y función de las proteínas

Profesor: Fernando Jesús Reyes Zurita

• Entornos de programación de alto nivel. Programación orientada a objetos (OOP).
• Implementación de algoritmos para el análisis estructural de proteínas. Bases de datos estructurales (PDB, FSSP, CATH, etc.).
• Análisis de similitud estructural de proteínas mediante matrices de distancias y cálculo del RMSD.
• Métodos de predicción de la estructura y de las interacciones biomoleculares basados en inteligencia artificial (AlphaFold 2 y AlphaFold 3).

A lo largo de la asignatura se propondrán y resolverán, de manera sistemática, problemas y casos prácticos relacionados con la utilización de bases de datos y recursos en línea, la minería, el preprocesamiento y la integración de datos ómicos, el análisis de microarrays mediante técnicas de clustering y biclustering, y la caracterización, visualización e interpretación de redes biológicas.

Asimismo, se realizarán actividades de análisis estructural de proteínas, incluyendo la consulta de bases de datos estructurales, el cálculo y la comparación de matrices de distancias, la evaluación de la similitud estructural mediante RMSD y la predicción de estructuras e interacciones biomoleculares mediante métodos basados en inteligencia artificial.

Los problemas y casos prácticos se resolverán con ayuda del ordenador y del software específico requerido en cada caso. Para ello, se emplearán tanto recursos y herramientas disponibles en línea como programas y aplicaciones bioinformáticas desarrollados por los estudiantes en entornos de programación de alto nivel, así como, cuando proceda, la infraestructura informática disponible en la Universidad de Granada.

• Holmes, S.; Huber, W. Modern Statistics for Modern Biology. Cambridge University Press, 2019.
• Klipp, E.; Liebermeister, W.; Wierling, C.; Kowald, A. Systems Biology: A Textbook. 2.ª ed. Wiley-VCH, 2016.
• Barabási, A.-L. Network Science. Cambridge University Press, 2016.
• Gu, J.; Bourne, P. E., eds. Structural Bioinformatics. 2.ª ed. Wiley-Blackwell, 2009.

• Buffalo, V. Bioinformatics Data Skills: Reproducible and Robust Research with Open Source Tools. O’Reilly Media, 2015.
• Huber, W.; Carey, V. J.; Gentleman, R.; et al. “Orchestrating High-Throughput Genomic Analysis with Bioconductor”. Nature Methods, 2015, 12, 115–121. doi:10.1038/nmeth.3252.
• Love, M. I.; Anders, S.; Kim, V.; Huber, W. “RNA-Seq Workflow: Gene-Level Exploratory Analysis and Differential Expression”. F1000Research, 2015, 4, 1070. doi:10.12688/f1000research.7035.2.
• Barabási, A.-L.; Oltvai, Z. N. “Network Biology: Understanding the Cell’s Functional Organization”. Nature Reviews Genetics, 2004, 5, 101–113. doi:10.1038/nrg1272.
• Shannon, P.; Markiel, A.; Ozier, O.; et al. “Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks”. Genome Research, 2003, 13, 2498–2504. doi:10.1101/gr.1239303.
• Schwede, T.; Peitsch, M. C., eds. Computational Structural Biology: Methods and Applications. World Scientific, 2008.
• Burkowski, F. J. Structural Bioinformatics: An Algorithmic Approach. Chapman & Hall/CRC, 2008.
• Yang, A.-S.; Honig, B. “An Integrated Approach to the Analysis and Modeling of Protein Sequences and Structures. I. Protein Structural Alignment and a Quantitative Measure for Protein Structural Distance”. Journal of Molecular Biology, 2000, 301, 665–678. doi:10.1006/jmbi.2000.3973.
• Jumper, J.; Evans, R.; Pritzel, A.; et al. “Highly Accurate Protein Structure Prediction with AlphaFold”. Nature, 2021, 596, 583–589. doi:10.1038/s41586-021-03819-2.
• Abramson, J.; Adler, J.; Dunger, J.; et al. “Accurate Structure Prediction of Biomolecular Interactions with AlphaFold 3”. Nature, 2024, 630, 493–500. doi:10.1038/s41586-024-07487-w.

Recursos generales de bioinformática y literatura científica

• EMBL–European Bioinformatics Institute (EMBL-EBI): bases de datos, herramientas de análisis y recursos formativos en bioinformática.
  https://www.ebi.ac.uk/
• National Center for Biotechnology Information (NCBI): acceso integrado a bases de datos genómicas, transcriptómicas, proteicas, bibliográficas y biomédicas.
  https://www.ncbi.nlm.nih.gov/
• Expasy: portal del Swiss Institute of Bioinformatics que integra bases de datos y herramientas de genómica, proteómica, biología estructural y biología de sistemas.
  https://www.expasy.org/
• PubMed: búsqueda de bibliografía científica y biomédica.
  https://pubmed.ncbi.nlm.nih.gov/

Datos ómicos, expresión génica e integración funcional

• Gene Expression Omnibus (GEO): repositorio de datos de genómica funcional, microarrays y secuenciación de alto rendimiento.
  https://www.ncbi.nlm.nih.gov/geo/
• ArrayExpress–BioStudies: repositorio de estudios de expresión génica y otros datos de genómica funcional del EMBL-EBI.
  https://www.ebi.ac.uk/biostudies/arrayexpress
• Bioconductor: herramientas de software para el procesamiento, normalización, análisis e integración de datos ómicos.
  https://bioconductor.org/
• Gene Ontology (GO): ontologías y anotaciones estandarizadas sobre función molecular, procesos biológicos y componentes celulares.
  https://geneontology.org/
• Kyoto Encyclopedia of Genes and Genomes (KEGG): información sobre genes, rutas metabólicas, rutas de señalización y sistemas biológicos.
  https://www.genome.jp/kegg/

Redes biológicas y biología de sistemas

• Cytoscape: plataforma para el análisis, integración y visualización de redes biológicas complejas.
  https://cytoscape.org/
• STRING: consulta y análisis de redes de asociaciones funcionales entre proteínas.
  https://string-db.org/

Secuencias, proteínas y estructuras biomoleculares

• UniProt: información funcional y anotaciones de secuencias proteicas.
  https://www.uniprot.org/
• Worldwide Protein Data Bank (wwPDB): organización internacional responsable del archivo mundial de estructuras biomoleculares experimentales.
  https://www.wwpdb.org/
• RCSB Protein Data Bank (RCSB PDB): búsqueda, visualización y análisis de estructuras tridimensionales depositadas en el PDB.
  https://www.rcsb.org/
• AlphaFold Protein Structure Database: consulta de modelos estructurales de proteínas predichos mediante AlphaFold.
  https://alphafold.ebi.ac.uk/
• ColabFold: ejecución en Google Colab de predicciones estructurales basadas en AlphaFold 2 y herramientas relacionadas.
  https://colabfold.com/

La evaluación de la asignatura se realizará de forma diferenciada para cada uno de los bloques temáticos. A lo largo del curso se propondrán tareas y actividades específicas relacionadas con los contenidos de cada bloque. Estas actividades podrán incluir la resolución de problemas y casos prácticos, el análisis e interpretación de datos, la utilización de bases de datos, recursos en línea y programas informáticos, el desarrollo de herramientas bioinformáticas, la elaboración de informes y, cuando proceda, la exposición y discusión de los resultados obtenidos.

La evaluación tendrá en cuenta la calidad de las tareas e informes realizados, la capacidad para aplicar los conocimientos y herramientas trabajados en la asignatura, la claridad en la presentación e interpretación de los resultados y el grado de participación y seguimiento de las actividades propuestas.

Los sistemas de evaluación y sus intervalos de ponderación serán los siguientes:

Según el artículo 19, punto 1, de la Normativa de evaluación y calificación de los estudiantes de la Universidad de Granada, los estudiantes podrán presentarse a la convocatoria extraordinaria, independientemente de haber seguido o no un proceso de evaluación continua. La calificación en la convocatoria extraordinaria se ajustará a las reglas establecidas en la guía docente de la asignatura, garantizando siempre la posibilidad de obtener el 100 % de la calificación final. Las guías docentes que, en la evaluación ordinaria, incluyan un porcentaje basado en la asistencia o en actividades como la participación en clases teóricas, trabajos o seminarios no podrán mantener este porcentaje en la convocatoria extraordinaria. Si el estudiante no ha seguido una evaluación continua, se deberá garantizar la posibilidad de obtener el 100 % de la calificación final.

La evaluación extraordinaria se realizará mediante tareas, informes, resolución de problemas o casos prácticos relacionados con los contenidos de los distintos bloques de la asignatura. Cuando proceda, podrá incluirse la exposición o defensa oral de las actividades realizadas.

No se tendrán en cuenta porcentajes vinculados exclusivamente a la asistencia, la participación o el seguimiento de las actividades desarrolladas durante el periodo docente. Los sistemas de evaluación aplicables serán SE02 y, en su caso, SE03, con las ponderaciones establecidas para esta convocatoria.

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.
Para acogerse a la evaluación única final, el estudiante, en las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de las clases o por causa sobrevenidas. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.
La evaluación en tal caso consistirá en:
Se realizará un examen escrito, presencial, de un máximo de dos horas sobre los contenidos de la asignatura. A continuación, se establecerá un debate sobre las preguntas, con una duración máxima de una hora.

En el caso de estudiantes con discapacidad u otras necesidades específicas de apoyo educativo, el sistema de tutoría deberá adaptarse a sus necesidades, de acuerdo a las recomendaciones de la Unidad de Inclusión de la Universidad, procediendo los Departamentos y Centros a establecer las medidas adecuadas para que las tutorías se realicen en lugares accesibles. Asimismo, a petición del profesor, se podrá solicitar apoyo a la unidad competente de la Universidad cuando se trate de adaptaciones metodológicas especiales.
GRABACIÓN DE IMAGEN Y/O AUDIO
Salvo autorización expresa por parte del profesor, no está permitida la grabación, total o parcial, tanto de sonido como de imagen, de las clases, seminarios o prácticas de la asignatura, con arreglo a las previsiones de la Ley de Propiedad Intelectual, de la Ley Orgánica de Protección de Datos de Carácter Personal y de la Ley Orgánica de Protección Civil del Derecho al Honor, a la Intimidad Personal y Familiar y a la Propia Imagen. En función, en su caso, del uso posterior que se le diera, la grabación no consentida puede dar origen a responsabilidades civiles, disciplinarias, administrativas y, eventualmente, penales.
8.6. SÓLO para aquellas asignaturas que evalúan trabajos.
Siguiendo las indicaciones recogidas en la Normativa de Evaluación y de Calificación de los
estudiantes de la Universidad de Granada: https://sl.ugr.es/NormativUGR
- La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a
los estudiantes que el plagio es una práctica contraria a los principios que rigen la
formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su
protección de acuerdo con la propiedad intelectual según establezca la legislación vigente.
- El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como
propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se
hubiera detectado, independientemente del resto de las calificaciones que el estudiante
hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades
disciplinarias en las que pudieran incurrir los estudiantes que plagien.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).

• GNU/Linux: sistema operativo para la ejecución de herramientas bioinformáticas y la gestión de entornos de análisis.
• R y Bioconductor: análisis estadístico, preprocesamiento, normalización e integración de datos ómicos.
• Cytoscape, igraph y NetworkX: construcción, análisis, caracterización y visualización de redes biológicas.
• Python y Jupyter: procesamiento de datos, desarrollo de flujos de trabajo reproducibles e implementación de algoritmos bioinformáticos.
• Free Pascal y Lazarus: desarrollo de aplicaciones compiladas y herramientas para el análisis estructural de proteínas.

Todas estas herramientas se distribuyen bajo licencias de software libre o de código abierto y permiten su utilización, modificación y distribución de acuerdo con los términos de sus respectivas licencias.