La programación científica es una herramienta fundamental en la bioinformática y en otras disciplinas científicas que se basan en el análisis de datos y la simulación de sistemas complejos. En este contexto, la programación se utiliza para automatizar tareas repetitivas, procesar grandes volúmenes de datos y crear modelos computacionales que permitan la exploración de hipótesis y la toma de decisiones informadas.

El objetivo principal de esta asignatura es brindar al estudiante una comprensión sólida de los conceptos básicos de la programación científica y su aplicación en el campo de la bioinformática.

Uno de los contenidos más importantes que se tratan en esta asignatura es la manipulación de datos bioinformáticos a través de comandos y ambientes específicos. Los estudiantes aprenderán a editar ficheros bioinformáticos y a convertir formatos de ficheros de genómica para facilitar su análisis. Además, se enseña la configuración de software para análisis genómico y la creación de repositorios y versionamiento en bioinformática.

La programación científica se centra en el uso de herramientas y técnicas de programación para resolver problemas biológicos, también implica el uso de herramientas de visualización para representar los datos de manera clara y efectiva. Al finalizar la asignatura, los estudiantes tendrán las habilidades y conocimientos necesarios para realizar análisis de datos complejos y enfrentarse a los desafíos que se presentan en el campo de la bioinformática.

El desarrollo de tecnologías de secuenciación es un área de estudio relativamente nueva. Su desarrollo comenzó en la década de 1950 con la identificación de la secuencia de aminoácidos de la insulina, y tuvo un desarrollo acelerado que permitió la secuenciación de proteínas y ADN de diversos organismos. La primera versión de la secuencia del genoma humano se obtuvo veinte años atrás; desde entonces se han secuenciado miles de genomas de diversas especies, desde virus y bacterias hasta organismos multicelulares. Gracias a los avances que se han generado en el ámbito de las tecnologías de secuenciación, actualmente hay una gran cantidad de secuencias depositadas en bases de datos de libre acceso. Sin embargo, se desconoce la función biológica de muchas de ellas. Por esto, es indispensable para los profesionales interesados en la bioinformática tener conocimientos sobre las tecnologías de secuenciación y sus aplicaciones, así como sobre las diversas técnicas para analizar los datos obtenidos a partir de ellas.

Los objetivos de esta asignatura son brindar una vista general sobre las diversas tecnologías de secuenciación de próxima generación y ómicas, y entregar herramientas para realizar los análisis de datos más comunes en el área. Los estudiantes aprenderán a procesar e interpretar los datos de secuenciación, a integrar los datos obtenidos al analizar diferentes moléculas biológicas y a generar visualizaciones con esta información. Además, aprenderán sobre las diversas áreas en las que este tipo de análisis son aplicados, desde estudios enfocados en la ecología y los ecosistemas hasta descubrimiento de drogas y medicina personalizada.

El término «inteligencia artificial» (IA) nació en 1956, planteándose como la búsqueda de un algoritmo capaz de emular el funcionamiento de un cerebro humano. Desde entonces la IA ha ido evolucionando, demostrando su gran utilidad y versatilidad a la hora de resolver problemas.

Este progreso se ha visto a su vez acompañado por un aumento exponencial en la cantidad, la variedad y la velocidad con la que se generan datos. Este rápido desarrollo ha acabado por superar la capacidad humana para procesarlos y analizarlos eficazmente, dejando a los métodos tradicionales como limitados o insolventes. Todo ello ha creado la necesidad de desarrollar nuevas formas de análisis más avanzadas y sofisticadas.

El surgimiento de la IA se enmarca en este paradigma, ya que estos métodos se presentan como una alternativa que posibilita la construcción de modelos predictivos y descriptivos robustos a partir de conjuntos de datos de alta dimensionalidad (big data). Este tipo de algoritmos son capaces de detectar patrones complejos y relaciones no lineales, lo que les permite realizar tareas como la clasificación, la regresión o la detección de anomalías de manera más eficiente y precisa.

En términos generales, esta asignatura pretende proporcionar al estudiante tanto del conocimiento para saber qué métodos son los más adecuados para cada escenario como del conocimiento de proveer de las herramientas para interpretar los resultados obtenidos de forma correcta.

Python es uno de los lenguajes de programación más utilizados en el análisis de datos y uno de los más extendidos en la bioinformática, junto con R. Python hace sencillo una amplia variedad de tareas que van desde la automatización de procesos, el análisis de grandes conjuntos de datos o el entrenamiento de redes neuronales. Además, es un lenguaje de programación de código abierto que cuenta con una gran comunidad de desarrolladores, los cuales crean y comparten paquetes y herramientas bioinformáticas.

La asignatura de Programación en Python tiene como objetivo proporcionar a los estudiantes las habilidades necesarias para el procesamiento y análisis de datos biológicos. Ello se plantea a través del conocimiento tanto de las librerías más básicas, tales como Re, Os o Request, como de otras más avanzadas, como Numpy, Pandas o Biopython, que son más específicas para el análisis de datos. Asimismo, se pretende, también, proporcionar el conocimiento esencial sobre las librerías más comúnmente usadas a la hora de crear y entrenar redes neuronales: Pytorch y Tensorflow 2.0.

Desde el máster de bioinformática se considera a la asignatura de Programación en Python troncal, especialmente para aquellos interesados en dedicarse al área de la inteligencia artificial (deep learning). En general, se trata de una herramienta muy versátil, la cual resulta útil en muchos contextos del mundo bio.

El objetivo principal del TFM es aplicar los conocimientos y competencias adquiridas en el máster mediante la realización de un trabajo final. Por tanto, persigue desarrollar una capacidad de reflexión sobre una temática vinculada a los contenidos vistos, y a partir de ella elaborar un proyecto o un informe de análisis. En ambos casos se deben seguir unos criterios de rigor, originalidad y reproducibilidad. A cada uno de los estudiantes se le asignará un tutor que le asistirá en el planteamiento del trabajo, estructuración y búsqueda de fuentes de información.

Por tanto, el estudiante debe demostrar la suficiencia académica para la obtención del Máster. Deberá utilizar el conjunto de habilidades, destrezas y actitudes adquiridas a lo largo del Máster, con lo que el TFM será una herramienta que esté también alineada con este planteamiento (pensamiento científico, análisis complejo, elaboración de informes, búsqueda de datos, etc.).

Se pueden ofertar trabajos, por ejemplo, relativos a las siguientes temáticas:

• Desarrollo de una base de datos de marcadores para el diagnóstico de una determinada enfermedad.
• Análisis de datos de una determinada cohorte pública de cáncer.
• Desarrollo de un algoritmo que produce recomendaciones de estilo de vida basados en la genética y las constantes vitales de la persona.
• Revisión de todos los marcadores desarrollados hasta el día de hoy en nutrigenómica.
• Desarrollo de algoritmo que predice reacciones adversas a medicamentos basada en la información genética del paciente.
• Desarrollo de código abierto para visualización de relaciones entre fenotipo y genotipo en un paciente.
• Análisis de datos de datos clínicos de una cohorte de pacientes con una determinada enfermedad.
• Integración de fuentes de datos de genómica, epigenómica, metagenómica, etc., y hacerla públicamente accesible vía un interfaz web.