Oscar Lao

Esta asignatura trata de programación dinámica, búsqueda en bases de datos (BLAST), búsqueda de subcadenas basada en la compresión (alineadores de ADN), algoritmos de ensamblaje, alineamiento de secuencias múltiples, algoritmos de plegamiento de ARN (Zuker, Nussinov), algoritmos de superposición estructurales. Algoritmos de ensamblaje, gráficos de Bruijn. Usearch, UPGMA, NJ, ML y árboles de parsimonia, y métodos bayesianos de reconstrucción filogenética.

Este curso presenta técnicas para modelar y analizar datos complejos, incluidos los conjuntos de Big Data, haciendo hincapié en su aplicación al análisis de los datos ómicos. El curso se compone de tres grandes áreas: 1) modelado estadístico, incluidos los modelos lineales y modelos lineales generalizados ampliamente utilizados en transcriptómica; 2) aprendizaje supervisado, que cubre una amplia gama de técnicas de clasificación y predicción, y 3) aprendizaje no supervisado, que se refiere a las técnicas de visualización de datos en métodos de reducción de dimensionalidad (por ejemplo, PCA) o agrupación para encontrar patrones en los datos.