DADES IDENTIFICATIVES 2019_20
Assignatura (*) BIOLOGIA COMPUTACIONAL I ANALÍTICA DE DADES BIOMÈDIQUES Codi 17254115
Ensenyament
Grau d'Enginyeria Biomèdica (2017)
 Cicle 1r
Descriptors Crèd. Tipus Curs Període
4.5 Obligatòria Tercer 2Q
Llengua d'impartició
Català
Departament Enginyeria Química
Coordinador/a
GUIMERA MANRIQUE, ROGER
 Adreça electrònica marta.sales@urv.cat
roger.guimera@urv.cat
oscar.fajardo@urv.cat
Professors/es
SALES PARDO, MARTA
GUIMERA MANRIQUE, ROGER
FAJARDO FONTIVEROS, OSCAR
Web
Descripció general i informació rellevant Aquesta assignatura és una introducció al modelatge i anàlisi de dades biomèdiques obtingudes a partir de tecnologies òmiques. L'objectiu principal és que l'alumne sàpiga analitzar dades òmiques des de un punt de vista de sistemes i sàpiga generar models predictius a partir d'aquestes. També experimentarà els conceptes amb l'ajuda de casos pràctics.

Competències
Tipus A Codi Competències Específiques
 CE8 Capacitat per entendre els principis biològics i de funcionament del cos humà en condicions de salut i malaltia, a fi de poder analitzar i dissenyar solucions tecnològiques aplicades en l'àmbit de la salut i de la biomedicina
 CE9 Capacitat per aplicar tests estadístics i algoritmes d'anàlisi multivariant en dades clíniques, òmics, bioquímics i d'altres fonts
 CE11 Capacitat per treballar en entorns Big Clinical Data, per generar i programar algoritmes de computació biològica i dissenyar i utilitzar eines bioinformàtiques
Tipus B Codi Competències Transversals
Tipus C Codi Competències Nuclears

Resultats d'aprenentage
Tipus A Codi Resultats d'aprenentatge
 CE8 Coneix els principis de la biologia de sistemes
 CE9 Coneix les tècniques computacionals bàsiques de caracterització i simulació del metabolisme
Coneix les tècniques computacionals bàsiques de caracterització del proteoma
Coneix les tècniques computacionals bàsiques de caracterització i simulació del genoma
Coneix les principals bases de dades i recursos en línia per a l'estudi del metabolisme, el proteoma i el genoma.
És capaç d'utilitzar eines computacionals en R i / o Python per a la modelització de dades òhmics.
 CE11 És capaç de combinar dades òhmics amb dades biomèdiques experimentals i / o clínics per desenvolupar models predictius.
Tipus B Codi Resultats d'aprenentatge
Tipus C Codi Resultats d'aprenentatge

Continguts
Tema Subtema
BLOC I - Biologia de sistemes computacional 1. Genòmica computacional
2. Proteòmica computacional
3. Metabolòmica computacional
BLOC II - Analítica de dades biomèdiques 1. Introducció a l’aprenentatge estadístic
2. Regressió lineal des de l’òptica de l’aprenentatge estadístic
3. Mètodes de validació
4. Taxonomia de mètodes d’aprenentatge estadístic
5. Arbres de decisió i boscos aleatoris
6. Introducció a les xarxes neuronals i deep learning

Planificació
Metodologies  ::  Proves
  Competències (*) Hores a classe
 Hores fora de classe
 (**) Hores totals
Activitats Introductòries
1 0 1
Sessió Magistral
CE8
CE9
 20 22.5 42.5
Pràctica autònoma al laboratori
CE9
 15 15 30
Projectes
CE11
 6.5 30 36.5
Atenció personalitzada
1 0 1
 
Proves objectives de tipus test
CE8
 1.5 0 1.5
 
(*) En el cas de docència no presencial, són les hores de treball amb suport vitual del professor.
(**) Les dades que apareixen a la taula de planificació són de caràcter orientatiu, considerant l’heterogeneïtat de l’alumnat

Metodologies
Metodologies
  Descripció
Activitats Introductòries
Sessió Magistral
Pràctica autònoma al laboratori
Projectes
Atenció personalitzada

Atenció personalitzada
Descripció

Avaluació
Metodologies Competències Descripció Pes        
Pràctica autònoma al laboratori
CE9
 40%
15%
Projectes
CE11
 30%
Proves objectives de tipus test
CE8
 15%
Altres  
 
Altres comentaris i segona convocatòria

L'assistència a les pràctiques i el lliurament dels informes són obligatoris. Per cada pràctica, es podrà lliurar un segon informe corregint els errors del primer. Hi haurà dues dates de lliurament de l'informe del projecte. Els que presentin l'nforme a la primera data i no tinguin l'assignatura aprovada, tenen l'opció de presentar un informe corregit la segona data.

Fonts d'informació

Bàsica

Complementària

Recomanacions
(*)La Guia docent és el document on es visualitza la proposta acadèmica de la URV. Aquest document és públic i no es pot modificar, llevat de casos excepcionals revisats per l'òrgan competent/ o degudament revisats d'acord amb la normativa vigent