Licenciatura en Bioinformatica

Introducción a la Biología. Niveles de organización de los seres vivos.
Estructura y función de la célula. Células procarióticas y eucarióticas. Mitosis y meiosis.
Metabolismo celular. Bioenergética. Bases moleculares de la herencia. Genética Celular y
Poblacional. Evolución. Ecología. Técnicas experimentales asociadas a la generación de datos y métodos de análisis.

Fundamentos básicos de una computadora. Introducción a la lógica computacional y al pseudocódigo. Diseño de algoritmos sencillos. Conceptos básicos de programas y lenguajes de programación. Paradigmas de programación. Implementación en un lenguaje de programación. Modularización. Parámetros.

Funciones reales de una variable real. Límite y continuidad. Derivada y diferencial. Aplicación de la derivada al estudio de funciones. Cálculo integral.

Definición y evolución de la inteligencia artificial. Razonamiento simbólico. Representación del conocimiento. Métodos de búsqueda. Agentes inteligentes. Aprendizaje y toma de decisiones. Introducción al aprendizaje automático: conceptos fundamentales, tipos de modelos y criterios de evaluación. Fundamentos de aprendizaje profundo y redes neuronales artificiales. Panorama general de modelos generativos y modelos de lenguaje de gran escala. Aplicaciones en distintos dominios. Problemáticas éticas y sociales asociadas a la IA.

Partes del lenguaje. Características distintivas. Textura. Unidades. Relación entre la palabra escrita y la oral. Contexto e interpretación. Niveles de significación. Características. Dispositivos formadores de texto. Registro académico. Coherencia y cohesión. Estructura y estatus de la información. Propósito del lenguaje. Abordaje de contextos técnicos específicos.

Números complejos. Sistemas de ecuaciones lineales. Matrices. Determinantes. Vectores en el plano y en el espacio. La recta en el plano. El plano. La recta en el espacio. Secciones cónicas, Espacios vectoriales. Transformaciones lineales. Autovalores y autovectores.

Principios de programación estructurada. Tipos de datos. Estructuras de control. Funciones y procedimientos. Entrada y salida de datos. Estructuras de datos básicas: listas, pilas y colas. Resolución de problemas mediante algoritmos. Introducción al paradigma orientado a objetos.

Estadística descriptiva. Definiciones de probabilidad. Probabilidad condicional. Independencia de sucesos. Teorema de la probabilidad total y Teorema de Bayes. Variables aleatorias discretas y continuas. Funciones de probabilidad. Modelos de distribuciones de probabilidad para variables aleatorias discretas y continuas. Variables aleatorias bidimensionales. Distribuciones muestrales. Estimación de parámetros en una distribución. Tests de hipótesis sobre los parámetros de distribuciones.

Oraciones simples y compuestas. Nexos coordinantes y subordinantes. Omisión del nexo. Enumeración. Jerarquización de la información, expresión oral y escrita, comprensión de textos. Práctica de traducción.

En qué consiste la ciencia de datos y su proceso. Diferencias entre Data Mining y Machine Learning. Obtención y limpieza de datos. Análisis exploratorio de datos. Inferencia estadística. Modelos de regresión. Visualización de datos.

Conceptos básicos de química general e inorgánica. Estructura atómica y molecular. Enlace químico. Estados de agregación de la materia. Termoquímica. Disoluciones. Cinética y reactividad química. Equilibrio químico. Sistemas materiales. Estados de la materia. Equilibrio ácido-base. Óxido reducción. Periodicidad. Metales y no metales. Familia del carbono. Nitrógeno y fósforo. Azufre. Halógenos.

Introducción a la minería de datos. Técnicas principales y sus aplicaciones. Aprendizaje supervisado. Aprendizaje no supervisado. Análisis de asociación.

Modelos de datos. Modelo relacional. Diseño lógico y físico de bases de datos. Normalización. Lenguajes de manipulación y definición de datos. Integridad y restricciones. Diseño de consultas. Transacciones y concurrencia. Seguridad en bases de datos. Introducción a bases no relacionales.

Diseño e implementación de sistemas inteligentes. Arquitecturas de sistemas basados en conocimiento. Integración de algoritmos de aprendizaje automático en entornos productivos. Automatización de toma de decisiones. Evaluación de desempeño de modelos. Introducción a sistemas adaptativos y autoajustables.

Estructuras de las células eucarióticas, compartimientos y su interacción con el medio. Membranas celulares. Diferenciaciones de membrana. Transporte a través de membranas. Transducción de señales. Estructura del citoesqueleto. Movilidad. Matriz extracelular. Organoides ligados a la membrana plasmática. Organoides citoplasmáticos. Tipos de células diferenciadas. Asociaciones celulares. Tejidos. Biología molecular del desarrollo. Metabolismos celulares. Senescencia y muerte celular. Necrosis. Apoptosis. Autofagia. Microevolución. Proto- oncogenes. Oncogenes. Genes supresores de tumores.Transformación celular y cáncer. Metodologías experimentales.

Aplicaciones de la informática al análisis de datos biológicos.
Principales tipos de datos en bioinformática: secuencias, estructuras y expresión génica. Bases
de datos biológicas. Introducción al alineamiento de secuencias y búsquedas. Conceptos
básicos de biología molecular. Aplicaciones en salud, genómica y biotecnología.

Genética estructural y funcional. Estructura y propiedades del ADN y de los ARNs. Estructura genes procarióticos y eucarióticos. Intrones y exones. Expresión de genes. Regulación de la expresión. Alteraciones genéticas y mecanismos de reparación. Bases cromosomales de la herencia. Patrones de herencia. Epigenética. Citogenética. Análisis genéticos.

Introducción a la química orgánica. Efectos estructurales y efectos electrónicos. Métodos de separación y purificación de compuestos orgánicos. Síntesis orgánica. Estereoquímica y estereoisomería. Espectroscopía. Conceptos de cinética y termodinámica aplicados a reacciones orgánicas. Uniones y reacciones químicas de compuestos orgánicos. Ácidos carboxílicos alifáticos y aromáticos. Derivados funcionales de ácidos carboxílicos. Compuestos orgánicos nitrogenados. Aminas alifáticas y aromáticas. Sales de diazonio. Compuestos coloreados y colorantes. Carbaniones. Simetría orbital.

Desarrollo de programas orientados al análisis de datos. Estructuras específicas para el manejo de datos tabulares y series temporales. Manejo de conjuntos de datos incompletos o desbalanceados. Integración de librerías estadísticas. Automatización de procesos analíticos. Generación de visualizaciones programáticas.

Fundamentos del pensamiento emprendedor. Diseño de modelos de negocio. Identificación de oportunidades a partir del análisis de datos. Innovación en productos y servicios basados en inteligencia artificial. Trabajo en equipo, liderazgo y comunicación en entornos tecnológicos. Aspectos éticos y sociales de la innovación.

Estrategias de adquisición, almacenamiento y procesamiento de datos. Diseño de flujos de trabajo para ciencia de datos. Arquitecturas para procesamiento distribuido. Gestión del ciclo de vida de los datos. Gobernanza, seguridad y calidad de datos. Lineamientos para soluciones escalables y sostenibles

Diseño y aplicación de algoritmos bioinformáticos complejos. Análisis de grandes volúmenes de datos ómicos. Aprendizaje automático en biología computacional. Redes neuronales, árboles de decisión y métodos de machine learning aplicados a problemas genómicos, transcriptómicos y proteómicos.

Componentes moleculares de la célula: agua, iones y macromoléculas biológicas. Estructura básica y propiedades de las macromoléculas biológicas. Proteínas. Métodos de análisis de macromoléculas. Análisis biofísicos y bioquímicos. Interacciones moleculares. Proteínas funcionales. Proteínas alostéricas. Proteínas activas no catalíticas. Catálisis. Introducción a la cinética enzimática.

Transformaciones químicas en sistemas biológicos. Vías metabólicas centrales y su regulación. Composición y función de membranas biológicas. Transporte de solutos y balance hídrico. Bioenergética y acoplamiento con reacciones químicas.

Introducción a la Biología de Sistemas. Representación y análisis de redes biológicas. Modelado de circuitos de regulación génica. Teoría de grafos y análisis ómico (transcriptómica, metabolómica). Inferencia de redes con IA. Modelado metabólico y balance de flujo (FBA)

Distintos tipos de Bases de Datos. Herramientas actualizadas para el trabajo con estas bases de datos. Aplicaciones de Bioinformática en: Análisis de secuencias, Análisis genómico, Genética, Biología estructural. Uso de programas. Ensamblado, clusterización y reducción de redundancia. Análisis e integración de datos genómicos, transcriptómicos, proteómicos y metabolómicos. Identificación de biomarcadores. Estratificación de pacientes.

Bases de datos de compuestos. Herramientas de manejo de estructuras 2D y 3D en pequeñas moléculas. Algoritmos de Docking droga-proteína. Algoritmos de IA en desarrollo de drogas. Heuristicas y métodos de minimización. Identificación de residuos hot-spot. Funciones de Scoring. Docking Virtual Highthrougput.

Estructura de proteínas y ADN. Proteínas de membrana. Plegamiento de proteínas y ADN. Interacciones moleculares. Métodos IA asociados a la predicción estructural de proteínas. Deep learning asociado al diseño de proteínas. Métodos de determinación de estructura de ADN. Diversos enfoques para el estudio computacional de mutaciones.

Diseño y desarrollo de software científico orientado a la bioinformática. Manipulación eficiente de grandes volúmenes de datos biológicos. Programación paralela y computación distribuida. Construcción de pipelines reproducibles. Uso avanzado de librerías bioinformáticas. Interfaz con APIs y servicios en la nube.

Aplicación de ciencia de datos y técnicas de inteligencia artificial al análisis biológico. Limpieza, integración y visualización de datos ómicos y clínicos. Aprendizaje automático y aprendizaje profundo en datos biológicos y metadatos. Modelos generativos. Del dato a la consulta en inteligencia artificial. Evaluación, interpretación y ética de modelos en biología computacional.

Principios y normas de calidad en el desarrollo de software. Validación, verificación y testing de sistemas computacionales. Documentación, reproducibilidad y control de versiones. Estándares aplicados a software científico y biomédico. Evaluación de desempeño, trazabilidad y cumplimiento normativo.

Diseño, implementación y mantenimiento de software especializado en bioinformática. Integración de datos biológicos, algoritmos y visualizaciones en sistemas reproducibles. Desarrollo colaborativo, control de versiones y testing automatizado. Documentación técnica y publicación de herramientas científicas. Distribución en entornos productivos y en la nube. Evaluación de calidad y desempeño en software bioinformático.

Diseño, implementación y mantenimiento de software especializado en bioinformática. Integración de datos biológicos, algoritmos y visualizaciones en sistemas reproducibles. Desarrollo colaborativo, control de versiones y testing automatizado. Documentación técnica y publicación de herramientas científicas. Distribución en entornos productivos y en la nube. Evaluación de calidad y desempeño en software bioinformático.

Introducción a la epistemología. Corrientes epistemológicas El análisis de la relación ciencia - tecnología - sociedad. El progreso científico-tecnológico y la ética. Bioética. Derecho, gestión y ética relacionadas con el ejercicio profesional. Conducta y compromiso profesional. El progreso científico tecnológico y la ética. Implicancias en lo económico-social. Consentimiento informado. Confidencialidad. Impactos de la Biotecnología en la sociedad. Legislación.

Aplicación integrada de conocimientos en bioinformática para el desarrollo de un proyecto final. Formulación de problemas reales, diseño experimental, elección de metodologías adecuadas (análisis de datos ómicos, modelado estructural, IA, pipelines), validación y documentación. Uso de herramientas de desarrollo de software científico: control de versiones, testing, buenas prácticas y presentación profesional de resultados. Trabajo en equipo y defensa del proyecto.

Los estudiantes deberán cursar al menos dos espacios curriculares optativos con una suma total mínima de 64hs, los cuales serán de formación específica, correspondientes al eje práctico de la carrera. Incluirán contenidos técnicos y tecnológicos aplicables al campo, brindando herramientas y desarrollando capacidades para el desempeño profesional. Se establecerán de forma anual, a propuesta de la Secretaría Académica y con aprobación del Consejo Superior. Se podrán establecer, asimismo, modalidades o mecanismos de acreditación de estos espacios a partir de conocimientos previos o actividades de distinto tipo.