Con TECH Global University estarás al día sobre los avances en Bioinformática y Big Data aplicada a la Medicina” 

El desarrollo de la Bioinformática ha permitido en los últimos años conseguir grandes avances científicos en diversos sectores como el de la agricultura, el de la alimentación o el área médica. Es en este ámbito donde la incorporación de nuevas técnicas y procesamientos informáticos han permitido recopilar gran cantidad de datos biológicos, trabajar con ellos e incluso crear un modelo 3D de la proteína viral de la espiga del COVID-19. Todo ello, no solo lleva a una mejor comprensión de los procesos víricos, sino también a la obtención en menor tiempo de vacunas o medicamentos específicos.

Asimismo, dada la velocidad de mutación y transmisión de enfermedades, la recopilación masiva de datos clínicos y su análisis, conducirán a una actuación más efectiva tanto desde la prevención hasta la curación de las mismas. Una realidad de sumo interés para los profesionales de la Medicina que desean estar al tanto de las novedades en este campo. Para ello TECH ha creado este programa en Bioinformática y Big Data en Medicina, elaborado por un equipo de profesionales con dilatada experiencia en este ámbito.

Un programa 100% online, donde el especialista podrá ahondar de manera dinámica en las tendencias a futuro de la computación en Bioinformática, las técnicas de análisis empleadas en los sets de datos biomédicos o las diferentes herramientas empleadas desde la ingeniería en los bioprocesos. Todo ello, mediante un contenido con un enfoque teórico-práctico, complementado con recursos didácticos multimedia de excelente calidad. Además, gracias al método Relearning, el egresado podrá avanzar por el temario de manera progresiva y reducir las largas horas de estudio con la reiteración de los conceptos claves en el transcurso de este programa.

De esta forma, esta institución académica ofrece al especialista la información más relevante y actual sobre Bioinformática y Big Data en Medicina a través de una titulación flexible, a la que puede acceder, cuando y donde desee. Y es que tan solo necesita de un dispositivo electrónico (ordenador, Tablet o móvil) con conexión a internet, para poder visualizar, en cualquier momento, el temario alojado en el Campus Virtual. Una opción ideal, para quienes buscan compatibilizar las responsabilidades más exigentes con una titulación universitaria de calidad. 

Adéntrate con este programa en el uso de algoritmos de Machine Learning en salud pública y la problemática existente con la privacidad de los datos” 

Este Experto universitario en Bioinformática y Big Data en Medicina contiene el programa científico más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en Bioinformática y Base de Datos
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

El sistema Relearning, empleado por Bioinformática y Big Data en Medicina, te llevará a reducir las largas horas de estudio y cimentar de forma más sencilla los conceptos claves” 

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.

El diseño de este programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos. 

Profundiza con este Experto universitario en las técnicas de obtención de datos masivos en transcriptómica"

Esta titulación te aporta las bases de datos biomédicas, de ADN y de Proteínas más relevantes en el campo de la investigación médica"

El plan de estudios de este programa ha sido elaborado por especialistas en Biomedicina y la Bioinformática, con amplio conocimiento de este ámbito. Gracias a su aportación, el profesional podrá realizar una puesta al día sobre computación en Bioinformática, las bases de datos en Biomedicina y procesamiento masivo de datos sanitarios. Todo ello, con un material didáctico multimedia innovador, que conforma una biblioteca de recursos a la que podrá acceder en cualquier momento del día, desde un dispositivo electrónico con conexión a internet.

Un plan de estudios que te adentrará en la computación en Bioinformática a través de píldoras multimedia y recursos didácticos dinámicos” 

Módulo 1. Computación en bioinformática

1.1. Dogma central en bioinformática y computación. Estado actual

1.1.1. La aplicación ideal en bioinformática
1.1.2. Desarrollos en paralelo en biología molecular y computación
1.1.3. Dogma en biología y teoría de la información
1.1.4. Flujos de información

1.2. Bases de Datos para computación en bioinformática

1.2.1. Base de datos
1.2.2. Gestión del dato
1.2.3. Ciclo de vida del dato en bioinformática

1.2.3.1. Uso
1.2.3.2. Modificación
1.2.3.3. Archivado
1.2.3.4. Reuso
1.2.3.5. Desechado

1.2.4. Tecnología de bases de datos en bioinformática

1.2.4.1. Arquitectura
1.2.4.2. Gestión de bases de datos

1.2.5. Interfaces para bases de datos en bioinformática

1.3. Redes para la computación en bioinformática

1.3.1. Modelos de comunicación. Redes LAN, WAN, MAN y PAN
1.3.2. Protocolos y trasmisión de datos
1.3.3. Topología de redes
1.3.4. Hardware en datacenters para computación
1.3.5. Seguridad, gestión e implementación

1.4. Motores de búsqueda en bioinformática

1.4.1. Motores de búsqueda en bioinformática
1.4.2. Procesos y tecnologías de los motores de búsqueda en bioinformática
1.4.3. Modelos computacionales: algoritmos de búsqueda y aproximación

1.5. Visualización de datos en bioinformática

1.5.1. Visualización de secuencias biológicas
1.5.2. Visualización de estructuras biológicas

1.5.2.1. Herramientas de visualización
1.5.2.2. Herramientas de renderizado

1.5.3. Interfaz de usuario para aplicaciones en bioinformática
1.5.4. Arquitecturas de información para la visualización en bioinformática

1.6. Estadística para computación

1.6.1. Conceptos estadísticos para computación en bioinformática
1.6.2. Caso de uso: microarrays de MARN
1.6.3. Datos imperfectos. Errores en estadística: aleatoriedad, aproximación, ruido y asunciones
1.6.4. Cuantificación del error: precisión, sensibilidad y sensitividad
1.6.5. Clusterización y clasificación

1.7. Minado de datos

1.7.1. Métodos de minado y cómputo de datos
1.7.2. Infraestructura para el cómputo y minado de datos
1.7.3. Descubrimiento y reconocimiento de patrones
1.7.4. Aprendizaje automático y nuevas herramientas

1.8. Coincidencia de patrones genéticos

1.8.1. Coincidencia de patrones genéticos
1.8.2. Métodos de cómputo para alineaciones de secuencia
1.8.3. Herramientas para la coincidencia de patrones

1.9. Modelado y simulación

1.9.1. Uso en el campo farmacéutico: descubrimiento de fármacos
1.9.2. Estructura de proteínas y biología de sistemas
1.9.3. Herramientas disponibles y futuro

1.10. Colaboración y proyectos de computación en línea

1.10.1. Computación en red
1.10.2. Estándares y reglas. Uniformidad, consistencia e interoperabilidad
1.10.3. Proyectos de computación colaborativa

Módulo 2. Bases de datos biomédicas

2.1. Bases de datos biomédicas

2.1.1. Base de datos biomédica
2.1.2. Bases de datos primarias y secundarias
2.1.3. Principales bases de datos

2.2. Bases de datos de ADN

2.2.1. Bases de datos de genomas
2.2.2. Bases de datos de genes
2.2.3. Bases de datos de mutaciones y polimorfismos

2.3. Bases de datos de proteínas

2.3.1. Bases de datos de secuencias primarias
2.3.2. Bases de datos de secuencias secundarias y dominios
2.3.3. Bases de datos de estructuras macromoleculares

2.4. Bases de datos de proyectos óhmicos

2.4.1. Bases de datos para estudios de genómica
2.4.2. Bases de datos para estudios de transcriptómica
2.4.3. Bases de datos para estudios de proteómica

2.5. Bases de datos de enfermedades genéticas. La medicina personalizada y de precisión

2.5.1. Bases de datos de enfermedades genéticas
2.5.2. Medicina de precisión. Necesidad de integración de datos genéticos
2.5.3. Extracción de datos de OMIM

2.6. Repositorios auto-reportados de pacientes

2.6.1. Uso secundario del dato
2.6.2. El paciente en la gestión de los datos depositados
2.6.3. Repositorios de cuestionarios auto-reportados. Ejemplos

2.7. Bases de datos en abierto Elixir

2.7.1. Bases de Datos en abierto Elixir
2.7.2. Bases de datos recogidos en la plataforma Elixir
2.7.3. Criterio de elección entre una y otra base de datos

2.8. Bases de datos de Reacciones Adversas a Medicamentos (RAMs)

2.8.1. Proceso de desarrollo farmacológico
2.8.2. Reporte de reacciones adversas a fármacos
2.8.3. Repositorios de reacciones adversas a nivel local, nacional, europeo e Internacional

2.9. Plan de gestión de datos de Investigación. Datos a depositar en bases de datos públicas

2.9.1. Plan de gestión de datos
2.9.2. Custodia de los datos resultantes de investigación
2.9.3. Depósito de datos en una base de datos pública

2.10. Bases de datos Clínicas. Problemas con el uso secundario de datos en salud

2.10.1. Repositorios de historias clínicas
2.10.2. Cifrado de dato
2.10.3. Acceso al dato sanitario. Legislación

Módulo 3. Big Data en medicina: procesamiento masivo de datos médicos

3.1. Big Data en investigación biomédica

3.1.1. Generación de datos en biomedicina
3.1.2. Alto rendimiento (Tecnología High-throughput)
3.1.3. Utilidad de los datos de alto rendimiento. Hipótesis en la era del Big Data

3.2. Preprocesado de datos en Big Data

3.2.1. Preprocesado de datos
3.2.2. Métodos y aproximaciones
3.2.3. Problemáticas del preprocesado de datos en Big Data

3.3. Genómica estructural

3.3.1. La secuenciación del genoma humano
3.3.2. Secuenciación vs. Chips
3.3.3. Descubrimiento de variantes

3.4. Genómica funcional

3.4.1. Anotación funcional
3.4.2. Predictores de riesgo en mutaciones
3.4.3. Estudios de asociación en genómica

3.5. Transcriptómica

3.5.1. Técnicas de obtención de datos masivos en transcriptómica: RNA-seq
3.5.2. Normalización de datos en transcriptómica
3.5.3. Estudios de expresión diferencial

3.6. Interactómica y epigenómica

3.6.1. El papel de la cromatina en la expresión genética
3.6.2. Estudios de alto rendimiento en interactómica
3.6.3. Estudios de alto rendimiento en epigenética

3.7. Proteómica

3.7.1. Análisis de datos de espectometría de masas
3.7.2. Estudio de modificaciones postraduccionales
3.7.3. Proteómica cuantitativa

3.8. Técnicas de enriquecimiento y clustering

3.8.1. Contextualización de los resultados
3.8.2. Algoritmos de clustering en técnicas ómicas
3.8.3. Repositorios para el enriquecimiento: Gene Ontology y KEGG

3.9. Aplicaciones del Big Data en salud pública

3.9.1. Descubrimiento de nuevos biomarcadores y dianas terapéuticas
3.9.2. Predictores de riesgo
3.9.3. Medicina personalizada

3.10. Big Data aplicado en medicina

3.10.1. El potencial de la ayuda al diagnóstico y la prevención
3.10.2. Uso de algoritmos de Machine Learning en salud pública
3.10.3. El problema de la privacidad

Una titulación que te mostrará las tendencias actuales del Big Data aplicado en Medicina y su utilidad en la prevención de enfermedades”