| MODUL 1 - TÈCNIQUES EN NEUROCIÈNCES
Bioinformàtica
Professors Coordinadors:
OBJECTIUS I JUSTIFICACIÓ
DE L´ASSIGNATURA
Justificació de l’ assignatura
Objectius :
L’alumne haurà de conèixer:
• Bases de dades principals primàries i secundàries
de seqüència (proteïnes i àcids Nuclèics)
i estructures tridimensionals. Contingut, estructura, eines
de recuperació de dades. Criteris de qualitat.
• Bases de dades genòmiques i recursos genòmics
especialitzats. Predicció génica
• Principis d’alineament de seqüències, eines
representatives.
• Concepte de família de proteïnes. Cerca d’homòlegs.
Eines representatives.
• Nocions de genètica evolutiva.
• Predicció funcional. Ús d’homologia, Motius
de seqüència
• Mètodes de predicció estructural. Threading
i modelat comparatiu.
L’alumne haurà de ser capaç de:
• Cercar i recuperar informació sobre proteïnes
o gens accedint a bases de dades de seqüència
o estructura 3D
• Efectuar manipulacions simples de seqüència
emprant eines locals
• Alinear seqüències localment o contra bases
de dades. Cercar homòlegs i identificar famílies
proteiques emprant eines com BLAST o bases de dades com PFAM
o altres.
• Analitzar estructures gèniques a partir de bases
de dades i efectuar prediccions gèniques amb eines
de tipus automàtic (GeneID)
• Localitzar patrons de seqüència i valorar-ne
la utilitat (PROSITE)
• Emprar a nivell senzill eines de visualització molecular
(Deep View).
• Inferir relacions estructura-funció simple a partir
d’anàlisi visual d’estructures
• Efectuar prediccions d’estructura 3D emprant eines de tipus
automàtic i valorar-ne els resultats (3DPSSM, Swiss-Model)
CONTINGUTS, TEMARI I PROFESSORS PARTICIPANTS
• Bases de dades d’interès biològic. Repositoris
de seqüència. Repositoris d’estructura 3D.
• Bases de dades derivades: Genòmiques, Famílies
proteiques, classificació d’estructures.
• Concepte d’homologia. Alineament de seqüències.
Matrius de comparació, algorismes principals. Alineament
global vs. Alineament local. Eines d’alineament local (BLAST).
• Alineament múltiple. Avantatges. Eines representatives.
• Concepte de motiu. Utilitat, eines representatives, criteris
de valoració
• Predicció estructural. Threading i Modelat comparatiu.
Eines representatives.
Seminaris especialitzats
AVALUACIÓ
Es proposaran un conjunt d’activitats no presencials en forma
de projectes de predicció que integrin el conjunt ampli
de les eines estudiades en les sessions presencials. Es procurarà
que el tema seleccionat sigui d’utilitat per al projecte de
recerca personal de l’alumne.
L’avaluació del curs s’efectuarà analitzant el
treball realitzat segons els criteris següents:
• Adequació de les eines seleccionades als objectius
del projecte a realitzar
• Bon ús de les eines seleccionades.
• Originalitat en el plantejament d’hipòtesi
• Criteris emprats en la valoració crítica del
resultats obtinguts
• Eventualment, capacitat de plantejament de experiments derivats
de la informació obtinguda
En qualsevol cas la valoració dels resultats s’ajustarà
a la dificultat del problema seleccionat.
RECURSOS D'APRENENTATGE I MÈTODES
D’ ENSENYAMENT
Ensenyament presencial
L’assignatura es desenvoluparà en la seva major part
en aules d’informàtica amb connexió a internet.
Donada la naturalesa de les matèries a impartir, les
sessions contindran lliçons magistrals combinades amb
activitats pràctiques guiades.
Treball no presencial
El treball no presencial a desenvolupar consistirà en
un projecte integrat de predicció, el tema concret del
qual es seleccionarà de manera que resulti d’interès
per a l’alumne (en relació al seu currículum,
altre cursos, eventuals activitats de recerca, etc.): El treball
haurà d’incorporar un cert nombre de les tècniques
estudiades i haurà de significar el formulació
d’hipòtesis de predicció funcional i/o estructural.
Es valorarà la programació d’eventual experiments
que corroborar les prediccions realitzades.
BIBLIOGRAFIA
Tutorials a:
http://www.expasy.org
http://www.ebi.ac.uk
http://www.ncbi.nlm.nih.gov
http://www.pdb.org

|