Especializarte en Bioinformática y Big Data de manera 100% online y en tan solo 6 meses es ahora posible gracias a esta exhaustiva e intensiva titulación que TECH Global University pone a tu disposición”

Los avances llevados a cabo en el campo de la bioinformática han beneficiado a muchísimos sectores, incluido el de la medicina. Gracias al desarrollo de técnicas cada vez más específicas y concretas, ha sido posible ampliar las aplicaciones de la e-Health en el entorno actual, optimizando las tareas y favoreciendo el tratamiento y el análisis masivo de los datos biológicos. Entre las estrategias más comunes está el empleo del Big Data para el procesado de datos a través de genómica estructural, lo cual ha permitido, entre otras cosas, descubrir nuevos biomarcadores y dianas terapéuticas.

Al tratarse de un campo tan amplio y complejo, requiere de un conocimiento exhaustivopara dedicarse a ello. Por eso, y ante la creciente demanda de profesionales de la informática especializados en ##este/esta## sector, TECH y su equipo de expertos han decidido conformar una titulación 100% online que permita a cualquier egresado versarse en esta área.

Se trata de una experiencia académica con la cual podrá ahondar en las novedades de la computación, así como la creación y gestión de bases de datos biomédicas desde cero. Además, también hace especial hincapié en el procesamiento
de datos a través las herramientas y softwares más sofisticados.

Para ello contará con 450 horas de material diverso además del temario y los casos prácticos: vídeos al detalle, artículos de investigación, lecturas complementarias, artículos de investigación, ejercicios de autoconocimiento y resúmenes dinámicos.

En conclusión, todo lo que necesita para obtener de esta experiencia académica el conocimiento más amplio y exhaustivo para adaptar su perfil profesional a las especificaciones del sector y a la demanda laboral actual. 

Con el curso de esta Especialización lograrás dominar el manejo de las múltiples bases de datos que existen en la actualidad”

Esta Especialización en Bioinformática y Big Data en Medicina contiene el programa educativo 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

Podrás implementar a tu catálogo de competencias el manejo exhaustivo y especializado de las técnicas más innovadoras para la computación en bioinformática"

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/esta## 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.

Contarás con la posibilidad de acceder al Campus Virtual desde cualquier dispositivo con conexión a internet, ya se pc, tablet o móvil"

Una oportunidad académica única para implementar a tu praxis las técnicas de enriquecimiento y clustering más innovadoras y efectivas"

TECH se distingue del resto de universidades por la creación de titulaciones altamente capacitantes, dinámicas e innovadoras, pero a través de un cómodo y accesible formato 100% online. Esto es posible gracias al empleo de la tecnología educativa más novedosa, la mejor estrategia pedagógica y la colaboración de un equipo de expertos para la recopilación de la información del temario y el diseño del material adiciona. Gracias a ello es posible ofrecer experiencias académicas altamente capacitantes en un corto periodo de tiempo. 

Si entre tus ambiciones está el dominar el minado de datos, con esta Especialización dominarás las herramientas más efectivas para ello”

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. clustering 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. Deposito 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 post-traduccionales
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

No dejes pasar la oportunidad de orientar tu carrera profesional hacia un sector en auge como es la bioinformática y comienza una experiencia académica que te abrirá muchísimas puertas en el futuro”