Skip to content

Commit

Permalink
added Lore to professors
Browse files Browse the repository at this point in the history
  • Loading branch information
@AliciaMstt
AliciaMstt committed Feb 13, 2019
1 parent 2196b86 commit ae9c3c6
Showing 1 changed file with 164 additions and 155 deletions.
319 changes: 164 additions & 155 deletions README.md
View file
@@ -1,147 +1,156 @@
# README

# Introducción a la bioinformática e investigación reproducible para análisis genéticos

# README

# Introducción a la bioinformática e investigación reproducible para análisis genéticos

# Introducción a la Bioinformática para Biólogo/as y Genetistas


[![Join the chat at https://gitter.im/Bioinfo_Mx-Cl/community](https://badges.gitter.im/Bioinfo_Mx-Cl.svg)](https://gitter.im/Bioinfo_Mx-Cl/community?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge)

Mediante una colaboración entre el Posgrado en Ciencias Biológicas de la Universidad Nacional Autónoma de México, CONABIO y la U. de Chile, ofreceremos un curso intensivo de bioinformática, orientado a entregar las herramientas básicas para análisis de datos genómicos en el contexto de genética, especialmente la genética de poblaciones.

INSTRUCTORES:

**Alicia Mastretta Yanes**, PhD.,
Catedrática CONACYT-CONABIO,
[www.mastrettayanes-lab.org](www.mastrettayanes-lab.org
)

**Ricardo Verdugo Salgado**, PhD.,
Profesor Asistente, Programa de Genética Humana, ICBM, Facultad de Medicina, U. de Chile, [http://genomed.med.uchile.cl](http://genomed.med.uchile.cl)


[![Join the chat at https://gitter.im/Bioinfo_Mx-Cl/community](https://badges.gitter.im/Bioinfo_Mx-Cl.svg)](https://gitter.im/Bioinfo_Mx-Cl/community?utm_source=badge&utm_medium=badge&utm_campaign=pr-badge&utm_content=badge)

Mediante una colaboración entre el Posgrado en Ciencias Biológicas de la Universidad Nacional Autónoma de México, CONABIO y la U. de Chile, ofreceremos un curso intensivo de bioinformática, orientado a entregar las herramientas básicas para análisis de datos genómicos en el contexto de genética, especialmente la genética de poblaciones.

INSTRUCTORES:

**Alicia Mastretta Yanes**, PhD.,
Catedrática CONACYT-CONABIO,
[www.mastrettayanes-lab.org](www.mastrettayanes-lab.org
)

**Lorena Malpica**
Estudiante maestría ITAM-CONABIO

**Ricardo Verdugo Salgado**, PhD.,
Profesor Asistente, Programa de Genética Humana, ICBM, Facultad de Medicina, U. de Chile, [http://genomed.med.uchile.cl](http://genomed.med.uchile.cl)

Los materiales aquí presentados son de acceso libre.

Transmisión online y videos de clases anteriores en [este canal de Youtube](https://www.youtube.com/channel/UCFXy3RKrbu595t8DyGjGoxg?view_as=subscriber).

Sala de chat para **anuncios de la clase** y dudas si lo ests viendo remotamente: [en Gitter](https://gitter.im/Bioinfo_Mx-Cl/community)

## Objetivos

El **objetivo general es** brindar a los y las alumnas las herramientas computacionales de software libre, mejores prácticas y metodologías de reproducibilidad de la ciencia para efectuar, documentar y publicar proyectos bioinformáticos de análisis genómicos.

Los **objetivos particulares** son:

1. Formar a los y las alumnas en los principios de investigación reproducible y metodologías para organizar proyectos bioinformáticos 2. Introducir a los alumnos a bash, R, git y Docker3. Presentar a los alumnos los tipos de datos genéticos producidos por la secuenciación de siguiente generación 4. Introducir a los y las alumnas al análisis e datos genómicos y genomas reducidos5. Revisar a nivel teórico y práctico los métodos bioinformáticos clásicos de análisis secuencias genómicas6. Asesorar a los alumnos en la realización de sus propios proyectos bioinformáticos

### Que sí es este curso

* Una introducción a los métodos y mejores prácticas de la biología computacional, los análisis bioinformáticos y la ciencia reproducible.
* Un resumen general de los tipos de datos utilizados en genómica y las herramientas computacionales para analizarlos.
* Una introducción para saber utilizar la línea de comando y R de forma fluida a través de mucha práctica. **Muchos cursos enfocados en análisis de datos genómicos asumen que ya sabes esto, o dan una introducción flash y luego saltan al otro tema, lo que hace _muy difícil_ realmente aprovechar el otro tema o te deja con malas prácticas difíciles de borrar.**
* El lenguaje para aprender a entender los manuales de cualquier software bioinformático para poder utilizarlo a fondo por cuenta propia.
* Un curso con mucha práctica de R enfocado en ciencia reproducible, limpieza y graficación de datos biológicos y genéticos.
* El piso básico para poder tomar un curso más avanzado o adentrarse por uno mismo en algún análisis concreto (ensamblado de genomas, análisis transcriotómicos, filogenética con métodos Bayesianos, etc).


### Que NO es este curso

* La respuesta a qué tienes que hacer en tu proyecto de tesis.
* Una discusión profunda de los diferentes softwares para analizar datos GBS, RAD, genomas, transcriptomas, metabarcoding, etc.

En otras palabras en este curso no te vamos a decir qué programa utilizar ni discutir a profundidad métodos de ensamblado etc. Para eso hay cursos especializados intensivos de un par de días que asumen ya sabes usar chido la terminal.

Algunos ejemplos:

* [Curso Bioinformática Instituto de Biotecnología, Cuernavaca](http://uusmd.unam.mx/curso/).
* [Talleres Internacionales de Genómica del Centro de Ciencias Genómicas, Cuernavaca](http://congresos.nnb.unam.mx/TIB2017/)


## Temario

#### Unidad 1 Introducción a la programación
* Código en computación
* Cómo buscar ayuda (permanentemente)
* Introducción a la consola y línea de comando de bash y R
* Introducción a los Scripts
* Funciones básicas de navegación y manejo de archivos con bash
* Funciones básicas de exploración de archivos con bash
* Redirección con bash
* Loops con bash

#### Unidad 2 Organización de un proyecto bioinformático
* Documentación de scripts y del proyecto
* Markdown
* git
* Manejo de proyectos e issues en Github
* Creación de pipelines

#### Unidad 3 Introducción a R con un enfoque bioinformático
* R y RStudio
* Funciones básicas de R más importantes para bioinformática
* Funciones propias: crear funciones y utilizarlas con source
* Rmarkdown y R Notebook
* Manipulación y limpieza de datos en R
* Graficar en R

#### Unidad 4 Introducción al software especializado
* Utilidad de software especializado
* Documentación de software especializado
* El problema de las versiones y OS para la reproducibilidad
* Docker

#### Unidad 5 Genética de poblaciones con software especializado
* Formatos VCF-tools y plink
* Paquetes de R
* Filtrado de individuos y datos perdidos
* PCA exploratorios
* Análisis básicos de diversidad y diferenciación genética

#### Trabajo en casa en proyectos finales y tareas
Se dará seguimiento online al proyecto final con las herramientas de la Unidad 2 y se dejarán tareas para mantener la práctica de las unidades anteriores

#### Unidad 6 Introducción a la genómica y secuenciación de siguiente generación
* Genomas: estructura y evolución
* Proyectos de secuenciación genómica
* Bases de datos
* Técnicas de secuenciación
* Aplicación de acuerdo al problema de estudio
* Análisis básicos de calidad y limpieza de datos crudos

#### Unidad 7 Ensamblaje de genomas
* Flujo de un proyecto de ensamblaje
* Teoría de ensamble: grafos de De Bujin y comparativos
* Principales algoritmos y software (Celera, AllPaths, Soap, Velvet, etc)
* Formatos de archivos de datos
* Métricas
* BLAST, modelos de genes
* Algoritmos comparativos y estadísticos de marcación

#### Unidad 8 Resecuenciación de genomas
* Llamado de variantes
* Predicción funcional de variantes
* Interpretación y anotación de variantes

#### Unidad 9 Ensamblaje de representación reducida de genomas
* Metodologías de representación reducida de genomas (RAD, GBS, etc)
* Ensamblaje de novo vs. sobre una referencia
* Principales algoritmos y software (Stacks, pyRAD)
* Uso de replicados para informar el ensamblaje
* Primera inspección de los datos

#### Unidad 10 Predicción estructural y funcional de Proteínas y ARNs
* Conceptos básicos de bioinformática estructural
* Predicción de la estructura secundaria de proteínas
* Predicción de la estructura secundaria de ARN
* Predicción de interacciones moleculares (docking)
* Predicción de efectos funcionales, nociones

#### Unidad 11 Análisis de expresión
* Diseño experimental
* Microarreglos
* RNA-seq
* Expresión diferecial
* Clustering

## Objetivos

El **objetivo general es** brindar a los y las alumnas las herramientas computacionales de software libre, mejores prácticas y metodologías de reproducibilidad de la ciencia para efectuar, documentar y publicar proyectos bioinformáticos de análisis genómicos.

Los **objetivos particulares** son:

1. Formar a los y las alumnas en los principios de investigación reproducible y metodologías para organizar proyectos bioinformáticos
2. Introducir a los alumnos a bash, R, git y Docker
3. Presentar a los alumnos los tipos de datos genéticos producidos por la secuenciación de siguiente generación
4. Introducir a los y las alumnas al análisis e datos genómicos y genomas reducidos
5. Revisar a nivel teórico y práctico los métodos bioinformáticos clásicos de análisis secuencias genómicas
6. Asesorar a los alumnos en la realización de sus propios proyectos bioinformáticos


### Que sí es este curso

* Una introducción a los métodos y mejores prácticas de la biología computacional, los análisis bioinformáticos y la ciencia reproducible.
* Un resumen general de los tipos de datos utilizados en genómica y las herramientas computacionales para analizarlos.
* Una introducción para saber utilizar la línea de comando y R de forma fluida a través de mucha práctica. **Muchos cursos enfocados en análisis de datos genómicos asumen que ya sabes esto, o dan una introducción flash y luego saltan al otro tema, lo que hace _muy difícil_ realmente aprovechar el otro tema o te deja con malas prácticas difíciles de borrar.**
* El lenguaje para aprender a entender los manuales de cualquier software bioinformático para poder utilizarlo a fondo por cuenta propia.
* Un curso con mucha práctica de R enfocado en ciencia reproducible, limpieza y graficación de datos biológicos y genéticos.
* El piso básico para poder tomar un curso más avanzado o adentrarse por uno mismo en algún análisis concreto (ensamblado de genomas, análisis transcriotómicos, filogenética con métodos Bayesianos, etc).


### Que NO es este curso

* La respuesta a qué tienes que hacer en tu proyecto de tesis.
* Una discusión profunda de los diferentes softwares para analizar datos GBS, RAD, genomas, transcriptomas, metabarcoding, etc.

En otras palabras en este curso no te vamos a decir qué programa utilizar ni discutir a profundidad métodos de ensamblado etc. Para eso hay cursos especializados intensivos de un par de días que asumen ya sabes usar chido la terminal.

Algunos ejemplos:

* [Curso Bioinformática Instituto de Biotecnología, Cuernavaca](http://uusmd.unam.mx/curso/).
* [Talleres Internacionales de Genómica del Centro de Ciencias Genómicas, Cuernavaca](http://congresos.nnb.unam.mx/TIB2017/)


## Temario

#### Unidad 1 Introducción a la programación
* Código en computación
* Cómo buscar ayuda (permanentemente)
* Introducción a la consola y línea de comando de bash y R
* Introducción a los Scripts
* Funciones básicas de navegación y manejo de archivos con bash
* Funciones básicas de exploración de archivos con bash
* Redirección con bash
* Loops con bash

#### Unidad 2 Organización de un proyecto bioinformático
* Documentación de scripts y del proyecto
* Markdown
* git
* Manejo de proyectos e issues en Github
* Creación de pipelines

#### Unidad 3 Introducción a R con un enfoque bioinformático
* R y RStudio
* Funciones básicas de R más importantes para bioinformática
* Funciones propias: crear funciones y utilizarlas con source
* Rmarkdown y R Notebook
* Manipulación y limpieza de datos en R
* Graficar en R

#### Unidad 4 Introducción al software especializado
* Utilidad de software especializado
* Documentación de software especializado
* El problema de las versiones y OS para la reproducibilidad
* Docker

#### Unidad 5 Genética de poblaciones con software especializado
* Formatos VCF-tools y plink
* Paquetes de R
* Filtrado de individuos y datos perdidos
* PCA exploratorios
* Análisis básicos de diversidad y diferenciación genética

#### Trabajo en casa en proyectos finales y tareas
Se dará seguimiento online al proyecto final con las herramientas de la Unidad 2 y se dejarán tareas para mantener la práctica de las unidades anteriores

#### Unidad 6 Introducción a la genómica y secuenciación de siguiente generación
* Genomas: estructura y evolución
* Proyectos de secuenciación genómica
* Bases de datos
* Técnicas de secuenciación
* Aplicación de acuerdo al problema de estudio
* Análisis básicos de calidad y limpieza de datos crudos

#### Unidad 7 Ensamblaje de genomas
* Flujo de un proyecto de ensamblaje
* Teoría de ensamble: grafos de De Bujin y comparativos
* Principales algoritmos y software (Celera, AllPaths, Soap, Velvet, etc)
* Formatos de archivos de datos
* Métricas
* BLAST, modelos de genes
* Algoritmos comparativos y estadísticos de marcación

#### Unidad 8 Resecuenciación de genomas
* Llamado de variantes
* Predicción funcional de variantes
* Interpretación y anotación de variantes

#### Unidad 9 Ensamblaje de representación reducida de genomas
* Metodologías de representación reducida de genomas (RAD, GBS, etc)
* Ensamblaje de novo vs. sobre una referencia
* Principales algoritmos y software (Stacks, pyRAD)
* Uso de replicados para informar el ensamblaje
* Primera inspección de los datos

#### Unidad 10 Predicción estructural y funcional de Proteínas y ARNs
* Conceptos básicos de bioinformática estructural
* Predicción de la estructura secundaria de proteínas
* Predicción de la estructura secundaria de ARN
* Predicción de interacciones moleculares (docking)
* Predicción de efectos funcionales, nociones

#### Unidad 11 Análisis de expresión
* Diseño experimental
* Microarreglos
* RNA-seq
* Expresión diferecial
* Clustering

## Dinámica del curso

### ¿Cómo serán las clases?
Expand All @@ -163,8 +172,8 @@ Algunos ejemplos:
* Mac: [MacDown](http://macdown.uranusjr.com/)
* Mac o Linux: [Haroopad](http://pad.haroopress.com/)
3. [R y RStudio](https://www.rstudio.com/products/rstudio/download/).

También necesitas abrir una **cuenta de Github**

También necesitas abrir una **cuenta de Github**

**Si van a tomar notas, que sean ahí o en un editor de Markdown, nooooo en Word, de veritas de veritas**.

Expand All @@ -179,23 +188,23 @@ Cubriremos ambas herramientas en el curso, pero en resumen:
* Markdown es un procesador texto-a-HTML que de forma sencilla permite formatear texto `así`. Esto es útil para resaltar los los comandos y los resultados de la terminal del resto del texto en los documentos de clase (y en foros de ayuda).

* GitHub es un repositorio web especializado en software (pero se puede subir cualquier texto, como este). La parte de arriba enlista los archivos y carpetas dentro del repositorio. La nota de texto a su derecha es el comentario que yo realicé al subir o modificar (*commit*) el archivo de mi computadora a GitHub. En la parte de abajo puedes leer el contenido de dichos archivos en formato html. Y si los bajas los verás en formato Markdown.


### Mecanismo de calificación

* ~ una tarea por sesión (en línea)
* Evaluación (examen o proyecto) por sección:

* Unidades 1-4

* Unidad 5

* Unidad 6-11


Porcentaje aprovación: 60 %




### Mecanismo de calificación

* ~ una tarea por sesión (en línea)
* Evaluación (examen o proyecto) por sección:

* Unidades 1-4

* Unidad 5

* Unidad 6-11


Porcentaje aprovación: 60 %


### Copiar o plagiar (tareas, exámenes, trabajo final, lo que sea) es motivo suficiente para reprobarte sin lugar a discusión.

![](truestory.png)
Expand Down

0 comments on commit ae9c3c6

Please sign in to comment.