Guía docente de Informática Aplicada a la Bioquímica (2611124)

• Conceptos básicos. Sistemas numéricos y lógica booleana. Datos. Tipos de datos. Cálculo computacional. Errores. Sistemas operativos.
• Concepto de programa. Diagrama de flujo. Lenguajes de programación. Algoritmos y estructuras de datos.
• Elementos de programación en C/Python (o entorno equivalente).
• Aplicación de la informática a la Bioquímica, la Biología Molecular.
• Algoritmos de diferenciación e integración numérica. Simulación virtual de procesos bioquímicos.
• Métodos de inteligencia artificial: redes neuronales y algoritmos genéticos. Aplicaciones.

SABER:

• Entender las bases de las ciencias de la computación e informática.

SABER HACER:

• Expresarse correctamente con términos informáticos básicos.
• Saber manejarse bien en el entorno de diferentes sistemas operativos para las operaciones básicas (Windows, MacOs y Linux)
• Saber realizar con soltura y bien las operaciones básicas con un ordenador: elementos básicos de la pantalla de inicio, manejo de ventanas, documentos y carpetas, directorios, formateado de discos, copiado de documentos. Conexión de periféricos. Destreza en el uso del ratón. Herramientas básicas de mantenimiento del disco duro y mantenimiento del ordenador en buen funcionamiento. Copias de seguridad (Back-ups).
• Utilizar con soltura y bien las herramientas básicas de Internet. Buscadores y organización de búsquedas. Correo electrónico.
• Saber utilizar con soltura y bien un procesador de texto, un editor de imágenes y un programa de presentación de charlas y resultados. Saber manejar los diferentes formatos de los documentos y su transformación en documentos de reconocimiento por software libre o universal (rtf, tiff, pdf, etc).
• Saber realizar bien búsquedas en las principales bases de datos bibliográficos (Medline y similares).
• Saber interpretar correctamente los resultados que se generan de las bases de datos biológicos tras una búsqueda de alineamiento de proteínas y ácidos nucleicos (Blast, Fasta o similares)
• Desarrollar programas sencillos de aplicación en MATLAB, (Visual) BASIC, (Visual) C/Python o similares

• Tema 1. Introducción a la Informática
• Tema 2. Fundamentos de programación
• Tema 3. Introducción a la Programación en Python 3.x
• Tema 4. Estructuras de Control
• Tema 5. Tipos de Datos Estructurados
• Tema 6. Programación Modular
• Tema 7. Introducción a las Bases de Datos
• Tema 8. Inteligencia Artificial y Bioquímica
• Tema 9. Algoritmos Bioinspirados

Seminarios/Talleres ( 0,2 ECTS/ 5hs)

• Seminario 1. Introducción a los Sistemas Operativos (Windows, Unix/Linux)
• Seminario 2. Introducción al entorno de programación de Python
• Seminario 3. Herramientas para la Diferenciación e Integración Numérica
• Seminario 4. Bases de Datos Biológicas
• Seminario 5. Introducción al módulo Biopython para Bioinformática

Prácticas de Laboratorio (1,2 ECTS/ 30 h):

• Práctica 1. Sistemas Operativos e Introducción a la Programación por Bloques
• Práctica 2. Primeros Programas en Python
• Práctica 3. Estructuras de Control
• Práctica 4. Tipos de Datos Estructurados (uso del módulo Biopython) – Ejemplo de uso con estructuras del PDB, Protein Data Bank
• Práctica 5. Creación de Módulos – Ejemplo de uso con estructuras del PDB
• Práctica 6. Algoritmos de Diferenciación e Integración Numérica

• J.G. Molina, F.M. Dato, et al., Una introducción a la Programación. Un enfoque algorítmico, Thompson, 2005.
• Traducción al español de la última versión del libro de Mark Pilgrim sobre Python 3, Dive Into Python 3 - Inmersión en Python 3, por José Miguel González Aguilera: https://storage.googleapis.com/google-code-archive-downloads/v2/code.google.com/inmersionenpython3/inmersionEnPython3.0.11.pdf
• How to Think Like a Computer Scientist: Interactive Edition, Runestone Interactive Project at Luther College, led by Brad Miller and David Ranum. Based on the original work by J. Elkner, A.B. Downey and C. Meyers, How to Think Like a Computer Scientist: Learning with Python, 2nd Edition (Python 2.x), 2012: http://interactivepython.org/runestone/static/thinkcspy/index.html
• Al Sweigart, Automate the Boring Stuff with Python. Practical programming for total beginners. Free under a Creative Commons license: https://automatetheboringstuff.com/#toc (Python 3.3)
• Lahoz-Beltra, Rafael, Bioinformática: simulación, vida artificial e Inteligencia Artificial, López de Santos, 2004.

• Video “Curso Python desde 0” (Python 3.6) https://www.youtube.com/playlist?list=PLU8oAlHdN5BlvPxziopYZRd55pdqFwkeS
• E. Rich, K. Knight, Inteligencia Artificial, segunda edición, Mc Graw Hill Co. 1992.
• S. Russell, P. Norvig, Inteligencia Artificial: un Enfoque Moderno, 2ª Edición, Ed. Pearson-Prentice Hall, 2004.
• Pons O., Marín N., Medina J.M., Acid S., Vila M.A., Introducción a las Bases de Datos: El modelo Relacional, Thomson Paraninfo, 2005.
• James A. Goodrich; Jennifer F. Kugel, Binding and Kinetics for Molecular Biologists, Spiral bound, Cold Spring Harbor Laboratory Press
• Uri Alon , An Introduction to Systems Biology : Design Principles of Biological Circuits, CRC Press, 2006

• http://biopython.org//wiki/Biopython
• http://www.practicepython.org/ (Beginner Python exercises)
• http://www.open-bio.org/wiki/Main_Page
• http://bioperl.org/wiki/Main_Page

• MD01. Lección magistral/expositiva 
• MD03. Prácticas de laboratorio y/o informática 
• MD07. Actividad no presencial de aprendizaje mediante el estudio de la materia, el análisis de documentos, la elaboración de memorias... 

Se llevará a cabo una evaluación mixta que incluye la realización de un test de conocimientos adquiridos, la entrega, defensa y pruebas prácticas sobre una colección de ejercicios resueltos durante las clases prácticas, y un examen de programación básica por escrito.

• Teoría - Prueba tipo test de conocimientos: 30% (competencias evaluadas CG5,CB5,CE24,CE25,CT6)
• Teoría - Prueba de programación: 40 % (competencias evaluadas CG5,CB5,CE24,CT1,CT6,CT7)
• Prácticas - Colección de ejercicios resueltos y pruebas prácticas: 30 % (competencias evaluadas CG5,CB5,CE24,CE25,CT1,CT5,CT6,CT7)

Será necesario obtener una nota final igual o superior a 5 sobre 10 para aprobar la asignatura. Además, será necesario obtener una calificación mínima de 4 sobre 10 tanto en la parte de teoría como en la parte de prácticas. En caso de que no se llegue al mínimo en alguna de las partes, se le asignara al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

En el examen extraordinario, el 30% de la "Colección de ejercicios resueltos" (prácticas realizadas durante el curso) se evaluará en una prueba escrita. De esta manera la estructura del examen extraordinario es la siguiente: "Prueba tipo test de conocimientos" (30%), "Examen de programación" (40%), y "Examen de la colección de ejercicios resueltos" (30%). Además, será necesario obtener una calificación mínima de 4 sobre 10 tanto en la parte de "Prueba tipo test de conocimientos" + "Examen de programación", como en la parte de "Examen de la colección de ejercicios resueltos" . En caso de que no se llegue al mínimo en alguna de las partes, se le asignara al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

La evaluación única final se realizará en un solo acto académico el mismo día y hora de la convocatoria oficial de examen ordinario para la asignatura (es decir, se realiza de forma conjunta). Dicha prueba (evaluada de 0 a 10) tendrá la misma estructura de un examen extraordinario teniendo en cuenta que las preguntas del "Examen de la colección de ejercicios resueltos" escrito deben suplir el trabajo realizado durante el curso mediante la "Colección de ejercicios resueltos", garantizando que el alumno ha adquirido la totalidad de las competencias descritas en esta misma guía docente. Además, será necesario obtener una calificación mínima de 4 sobre 10 tanto en la parte de "Prueba tipo test de conocimientos" + "Examen de programación" como en la parte de "Examen de la colección de ejercicios resueltos". En caso de que no se llegue al mínimo en alguna de las partes, se le asignara al estudiante como calificación final el mínimo entre 4.9 y la nota obtenida en la asignatura.

Siguiendo las recomendaciones de la CRUE y del Secretariado de Inclusión y Diversidad de la UGR, los sistemas de adquisición y de evaluación de competencias recogidos en esta guía docente se aplicarán conforme al principio de diseño para todas las personas, facilitando el aprendizaje y la demostración de conocimientos de acuerdo a las necesidades y la diversidad funcional del alumnado.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).