Gracias a TECH, conocerás el desarrollo mininvasivo de prácticas clínicas en tan solo 6 meses de instrucción académica” 

La incorporación de la bioinformática en el campo de la salud se trata de un avance que actúa paralelamente con el Big Data y es que, con el COVID fue fundamental para el conocimiento y la interpretación de datos a nivel mundial. Estas disciplinas permiten el manejo del enorme volumen de datos que generan las nuevas tecnologías ómicas. La bioinformática supone un acercamiento a la mutación de la biología con un alto grado, por lo que ha cobrado importancia con el paso de los años y su evidencia científica.

En la actualidad, controlar la mutación de las enfermedades epidemiológicas es la principal causa por la que se han incrementado los estudios en torno a la bioinformática. De ser posible, la vacuna hubiese sido única y no habría que buscar alternativas según la variación de la enfermedad. Por esta razón, TECH ofrece una Experto universitario en Bioinformática y Big Data en Medicina, destinado a egresados en Enfermería para ampliar y actualizar los conocimientos de estos profesionales y que sean capaces de aplicarlos en su labor diaria.

Esta Experto universitario se plantea con el respaldo de un equipo docente experto en biomedicina que transmitirá no solo conocimientos teóricos a los alumnos, sino que les instruirá en torno a su propia experiencia real mediante simulaciones de casos. Además, TECH aplica la metodología Relearning para ofrecer una instrucción dinámica y que no requiera de largas horas de memorización.  Asimismo, gracias a su modalidad 100% y sus contenidos audiovisuales el alumnado podrá adaptar el ritmo de estudio a sus posibilidades personales y profesionales.  

¿No dominas los algoritmos de Machine Learning? Matricúlate ya en un programa que no solo te enseñará a comprender la computación en salud pública, sino que te instruirá en bioinformática” 

Esta Experto universitario 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 

Gracias a TECH, podrás comprender los entresijos de la bioinformática y ser un profesional mucho más competente y competitivo en el mercado laboral” 

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 vídeos interactivos realizados por reconocidos expertos.  

La prevención y el diagnóstico sanitario está en manos de la tecnología y de cómo sepan implantarla los profesionales del futuro. Actualízate con TECH"

Matricúlate ahora en esta Experto universitario para profundizar en las técnicas de preprocesado de datos con Gene Ontology y KEGG"

El temario de esta Experto universitario en Bioinformática y Big Data en Medicina ha sido diseñado detalladamente por profesionales que trabajan en el sector de la bioinformática y la biomedicina, entre otras disciplinas de las Ciencias de la Salud. Se trata de una titulación 100% online que dinamiza el proceso educativo en torno a los conocimientos en computación, bases de datos biomédicos y el Big Data en medicina. TECH lo logra gracias a la novedosa metodología Relearning. Con ella, el alumnado no tendrá que invertir largas horas de memorización, sino que podrá asimilar los contenidos de forma paulatina y constante. De esta manera, el estudio se adaptará con total flexibilidad a su disponibilidad, obteniendo una experiencia académica personalizada y afín a sus obligaciones profesionales y personales.  

Desarrolla la biología molecular y la computación en paralelo para ser testigo de sus múltiples ventajas. Solo así serás partícipe de la evolución en Salud”  

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 

2.2.1. 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 

Una titulación diseñada para que descubras los nuevos biomarcadores y las dianas terapéuticas, gracias a la aplicación del Big Data”