Curso de Bioinformática en R Introductorio - Abril 2021

Clases de bioinformática para gente no informática.

Los avances en la obtención de datos biológicos asociados a genes, proteínas y metabolitos han dado lugar a un rápido aumento del volumen y complejidad de datos publicados en distintos repositorios de libre acceso (por ejemplo Gene Expression Omnibus de NCBI). Actualmente se requiere de bioinformáticos que apliquen herramientas bioinformáticas y ciencia de datos para generar resultados biológicamente interpretables desde datos complejos y diversos.

Este curso está orientado a alumnos sin ningún conocimiento previo sobre programación y computacional ni bioinformática. Se espera que al final del curso los alumnos dominen herramientas básicas de bioinformática y principios generales de ciencia de datos para aplicarlos en sus respectivas áreas de investigación.

Tabla de contenidos

1. Herramientas computacionales y programación para bioinformática
   1. Herramientas computacionales
      • Interacción con terminales
      • Conceptos generales sobre lenguajes de programación e IDEs
      • R y RStudio
   2. Creación e importación de estructuras de datos
      • Importación desde distintos formatos
      • Formatos comunes: Excel, CSV y TSV, descargas
      • Estructuras tipicas de DataScience
      • Manejando versiones de Datasets
   3. Exploración y transformación de estructuras de datos en R
      • Librerias para manipulación de datos: TidyR y DplyR
      • Filtrado de datos y Regex
      • Piping de codigo
2. Obtención y pre-procesamiento de datos biológicos y metadatos asociados
   1. Descargas desde repositorios e interacción con objetos obtenidos
      • Consulta de objetos y bases de datos accesibles desde R mediante APIs de repositorios públicos
   2. Control de calidad de datos
      • Detección, análisis y tratamiento de valores ausentes, datos corruptos y/o extremos mediante aprendizaje automático
   3. Pre-procesamiento de datos
      • Estandarización, normalización y re-escalamiento
3. Descubrimiento de patrones y formulación de hipótesis biológicas a partir de aprendizaje automático (machine learning) no-supervisado
   1. Análisis de expresión diferencial
      • Estadísticas sobre datos bioquímicos y de expresión génica
   2. Detección de grupos mediante clustering
      • Análisis de expresión diferencial
      • Métodos no supervisados (basados en densidad), semi-supervisados y jerárquicos (dendrogramas)
      • Técnicas de visualización para datos con múltiples anotaciones
   3. Reducción de dimensionalidad
      • Métodos de reducción de dimensionalidad lineales y no-lineales

---

Estructura de directorios

Cada clase NN-clase incluye un .rmd con su mismo nombre, y archivos necesarios para dicha clase.
La carpeta root (esta) incluye archivos para la compilación de la documentación (https://deependata.github.io/clases/).

Información sobre branches de este repo

• main Incluye el codigo de las clases, datasets, y padding adicional para la salida de Bookdown
• dev son los manuscritos (llenos de faltas ortograficas, chistes malos, y referencias obscuras), para evitar spamear la versión principal
• gh-pages tiene el resultado del rendering de Bookdown

Ciertos archivos de datasets son muy pesados para incluir en este repo, por lo que estan como links de descarga desde S3 o bases de datos externas.