Saltar al contenido ForoHackers

Bioinformática: por dónde empezar

Bioinformática
#3246 · · Citar · Denunciar

La bioinformática es la computación de los datos biológicos, sobre todo de las secuencias: ADN, ARN y proteínas. Los secuenciadores producen miles de millones de lecturas cortas, y el software debe ensamblarlas, alinearlas, compararlas y anotarlas para encontrar variantes, genes y las relaciones evolutivas entre organismos. Es en parte ingeniería de datos, en parte estadística y en parte biología.

Conceptos clave

  • Secuencias y formatos: FASTA para secuencias, FASTQ para lecturas con puntuaciones de calidad, SAM y BAM para alineamientos, VCF para variantes.
  • Alineamiento: métodos por pares como la programación dinámica, y semillas e índices rápidos para mapear millones de lecturas.
  • Ensamblaje: reconstruir un genoma a partir de lecturas solapadas, con grafos como estructura habitual.
  • Variantes y expresión: encontrar diferencias respecto a una referencia, y contar cuán activo está cada gen.
  • Filogenética: árboles que describen cómo se relacionan secuencias, especies o poblaciones.
  • Pipelines: pasos encadenados y versionados que hacen repetible un análisis.

Vocabulario

  • Lectura: un fragmento corto de secuencia que sale de un secuenciador.
  • Genoma de referencia: una secuencia estándar con la que se comparan las lecturas.
  • Anotación: las etiquetas sobre un genoma que dicen dónde están los genes y otros elementos.
  • Pruebas múltiples: el aumento de falsos positivos cuando se contrastan miles de hipótesis a la vez.

Qué estudiar, en orden

  1. Biología molecular básica: ADN, transcripción, traducción, mutación.
  2. Python o R, y la línea de órdenes para manejar archivos de texto grandes.
  3. Implementa el alineamiento global y local con programación dinámica, y puntúa unas secuencias.
  4. Pasa un conjunto de datos público pequeño por un pipeline estándar de mapeo de lecturas y detección de variantes, inspeccionando cada archivo.
  5. Pon los pasos en un gestor de flujos con versiones fijadas de las herramientas, y calcula un estadístico con una corrección adecuada por pruebas múltiples.

Etiquetas relacionadas

#computational-biology #algorithms #data-science #shell #research-software

No has iniciado sesión, así que esto se publica como anónimo: no se guarda con ello ninguna cuenta, nombre ni dirección, y no puede llevar enlaces ni imágenes. Inicia sesión o únete para publicar con tu nombre. Los registros de nuestro servidor web guardan la dirección y la hora de cada petición hasta 14 días; para que la tuya no quede en ellos, usa Tor. Para escribir al equipo de forma confidencial, usa el buzón. Firmar como fuente habitual (una clave guardada solo en este navegador)

Enviar tarda unos segundos aquí: tu navegador resuelve antes una prueba de trabajo contra el spam.

Responder