¿Que es la BioInformatica? Es una disciplina técnica-cientifica que abarca muchos tipos de areas, donde toman principal importancia, la biología, la ingieneria informatica y las matematicas, etc... Nuestra comunidad en su circulo de charlas introductorias personalizadas para nuestro publico expande el conocimiento sobre todo lo que ofrece la BioInfo para la sociedad.

1. Bioinformática
#BioInfGRX

2. ¿Qué es la bioinformática?
La bioinformática es la aplicación de tecnologías computacionales a la
gestión y análisis de datos biológicos.
El término se acuñó en 1970 por Paulien Hogeweg y Ben Hesper
2/67

3. ÁCIDOS NUCLÉICOS
3/67

4. ¿Qué es el ADN?
4/67

5. De ADN a proteína
5/67

6. De ADN a proteína
6/67

7. 7/67
De ADN a proteína

8. 8/67

9. El código genético
es degenerado
9/67

10. 10/67

11. De ADN a proteína
11/67

12. Campos de aplicación de la Bioinformática
▶ Medicina y medicina preventiva
▶ Microbiología
▶ Desarrollo de fármacos
▶ Resistencia antibiótica
▶ Biotecnología
▶ Agricultura
▶ Veterinaria
▶ Análisis forenses
▶ Muchas otros
12/67

13. Formas de aplicación de la Bioinformática
Genómica Proteómica
Transcriptómica Metabolómica
13/67

14. Ejemplo
Molde de ADN:
5’-ATGAAGTTTGGCACTTAA-3’
3’-TACTTCAAACCGTGAATT-5’
14/67

15. Ejemplo: Mioglobina
Secuencia:
GAGCATGTTGGCCTGGTCCTTTG
CTAGGTACTGTAGAGCAGGTGAG
AGAGTGAGGGGGAAGGACTCCAA
ATTAGACCAGTTCTTAGCCATGAA
GCAGAGACTCTGAAGCCAGACTA
CCTGGGTCCCAATCTTGGGCTTG
GTATTTCCTCGCTGTGTGACTCTG
GGTAAGTTACTTAACTTCTCTGTG
CCTCAGTTCTCTCAAGTGTAAA...
Aminoácidos:
MGLSDGEWQLVLNVWGKVEADIPG
HGQEVLIRLFKGHPETLEKFDKFKHL
...
15/67

16. Ejemplo: Mioglobina
16/67

17. Matemáticas
#BioinformaticsGRX

18. Alguien tendrá que traducir los
requerimientos biológicos en un
lenguaje entendible para la
máquina
18/67

19. 19/67

20. Multitud de herramientas matemáticas
a nuestra disposición.
▶ Geometría diferencial
▶ Análisis
▶ Teoría de nudos
▶ Probabilidad y estadística
▶ Álgebra y álgebra abstracta
20/67

21. 1.
Empecemos por
lo básico.

22. ¿Cómo representamos el código genético?
22/67
Claves
▶ Simetrías
▶ Matrices
▶ Código degenerado
▶ Inmunidad al ruido

23. Una posible idea:
Discernir subconjuntos dentro del código genético y utilizar con ellos
lenguaje binario:
23/67

24. Aprovechar los algoritmos existentes:
24/67
Si denominamos :
Como el Kernel de la familia de matrices, inmediatamente podemos establecer una
conexión con nuestro código genético:
▶ Matrices de Hadamard y producto de Kronecker:

25. 25/67

26. 26/67

27. 2.
Alineación

28. Bases
Una alineación entre dos (o más) secuencias es una
comparación entre los componentes de cada secuencia.
El análisis básico de secuencias consiste en preguntar si
hay dos o más secuencias relacionadas.
Una verdadera alineación de las secuencias biológicas es
aquella que refleja la relación evolutiva entre dos o más
secuencias que comparten un antepasado común
antepasado común.
28/67

29. Bases
La base de la alineación y el análisis de la secuencia se basa en el hecho
de que las secuencias biológicas se desarrollan a partir de secuencias
preexistentes en lugar de ser inventado por la naturaleza desde el
principio.
29/67
A esto debemos añadirle tres fenómenos principales:
▶ Mutaciones puntuales
▶ Inserciones
▶ Delecciones

30. Bases
Además de los conceptos biológicos, debemos hacernos preguntas
específicas con las que deberemos trabajar, y de las que dependerá nuestro
método:
▶ ¿Qué tipo de alineamiento estamos buscando?
▶ ¿Qué puntuación aplicamos al alineamiento?
▶ ¿Qué algoritmo desarrollamos de forma óptima para llevar nuestro método a la máquina?
▶ ¿Cuál es la significación estadística de nuestro resultado?
30/67

31. 31/67
Alineamiento global: las secuencias se alinean a lo largo de toda su
longitud, intentando alinear secuencias completas
● Se introducen huecos para igualar las longitudes de secuencia
● Útil para secuencias muy parecidas y de longitud similar
Alineamiento local: sólo se alinean la partes más parecidas
de la secuencia
● Favorece encontrar patrones similares dentro de la secuencia
● Un alineamiento local es una combinación de muchos alineamientos globales
de secuencias cortas.

32. Siguiente paso: Alineamiento múltiple.
32/67

33. 3.
Análisis de
componentes
principales

34. “Principal component analysis (PCA) is a statistical procedure that uses
an orthogonal transformation to convert a set of observations of
possibly correlated variables into a set of values of linearly
uncorrelated variables called principal components (or sometimes,
principal modes of variation)”
Definición:
34/67

35. Existen dos formas básicas de aplicar el ACP:
1. Método basado en la matriz de correlación, cuando los datos no
son dimensionalmente homogéneos o el orden de magnitud de las
variables aleatorias medidas no es el mismo.
2. Método basado en la matriz de covarianzas, que se usa cuando los
datos son dimensionalmente homogéneos y presentan valores
medios similares.
Formas básicas:
35/67

36. Caso particular: Correlación
36/67
http://setosa.io/ev/principal-component-analysis/

37. Drug discovery
Mathematical models can help discover new drug targets.
•Network-based modeling can reveal promising single or combinatorial drug
targets.
•Multiscale modeling can identify drug targets across different scales.
•Interdisciplinary research is necessary to advance in drug discovery.
37/67

38. Multitud de herramientas matemáticas
a nuestra disposición.
▶ Geometría diferencial
▶ Análisis
▶ Teoría de nudos
▶ Probabilidad y estadística
▶ Álgebra y álgebra abstracta
38/67

39. Informática
Bioinformática

40. 40/67
Illumina MiSeq

41. 41/67
¡Ups!

42. 42/67
¿Qué recursos tenemos?

43. 43/67

44. 44/67
https://bioinf.comav.upv.es/courses/linux/presentacion_del_curso.html

45. ¿Qué podemos hacer?
▶ Programar
▶ Utilizar plataformas fiables y potentes
45/67

46. ¿Qué podemos hacer?
▶ Aprender a dar órdenes al ordenador con total libertad
▶ Utilizar plataformas fiables y potentes
46/67

47. Otros sistemas operativos
47/67
https://es.wikipedia.org/wiki/GNU/Linux

48. ¿Programar?

49. 49

50. 50

51. ¿Cuál?
51/67

52. ¿Python?

53. 53/67

54. ¿Por qué Python?
▶ Tiene una sintaxis sencilla
▶ Viene con bibliotecas por defecto con muchas tareas comunes
▶ Es libre
▶ Es interpretado
▶ Es muy utilizado (también en la comunidad científica)
54/67

55. Sintaxis sencilla
Código en Python
print("Hola mundo")
Código en C
#include <stdio.h>
int main(void) {
printf("Hello, World!n");
return 0;
55/67

56. Consola o intérprete
56/67

57. https://repl.it/languages/python3
57/67

58. OpenSource - www.python.org
58/67

59. Ranking de lenguajes según IEEE en 2017
59/67
https://stackoverflow.blog/2017/09/06/incredible-growth-python/

60. Predicción de tráfico en stack overflow
60/67
https://stackoverflow.blog/2017/09/06/incredible-growth-python/

61. http://biopython.org/
61/67

62. Un ejemplito
62/67
dna = 'AGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAA'
nt = ['A', 'C', 'G', 'T']
for n in nt:
nt_total = dna.count(n)
print('{}: {}'.format(n, nt_total))

63. ¿Puedo tener más interactividad?
63/67

64. http://jupyter.org/
▶ Interactividad
▶ Más lenguajes (+40): R, Perl, Octave…
▶ Compartir notebooks
▶ Incrustar imágenes, vídeos y componentes para manipular los datos
64/67

65. https://try.jupyter.org/
65/67

66. Compartir y colaborar
66/67

67. Aplicación
▶ Libros
▶ Cursos
▶ Talleres
67/67

68. https://www.anaconda.com/distribution/
68/67

69. Compartir y Colaborar
Ciencia abierta

70. Artículo abierto sobre RNA
http://nbviewer.jupyter.org/github/maayanlab/Zika-RNAseq-Pipeline/blob/master/Zika.ipynb 70/67

71. Ejercicios resueltos de Rosalind
https://github.com/ciherraiz/bioinformatics/blob/master/rosalind.ipynb
71/67

72. ¡Muchas gracias!
t.me/bioinformaticsGRX
@bioinfGRX
https://github.com/bioinformaticsGRX
bioinformaticsgrx.slack.com
(con invitación)
Dónde encontrarnos
Déjanos tu opinión: https://tinyurl.com/yc58omy7
@bioinfGRX bioinformaticsgrx@gmail.com