Saltar al contenido ForoHackers

Bioinformática: por dónde empezar

Bioinformática
#740 · Ophuscado · · 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

Inicia sesión o únete para responder.