Curso de RNA-sequencing y análisis de expresión diferencial

Dr. Hober Nelson Núñez Martínez

Universidad Nacional Autónoma de México

Curso de RNA-sequencing y análisis de expresión diferencial

Modalidad en video a tu ritmo

Acceso durante 1 año

10 horas totales

$630.00 MXN ($30 USD)

Información general

En este curso aprenderás los fundamentos, la metodología y las herramientas para el análisis de secuenciación de transcriptomas (RNA-seq). Durante el curso, explorarás los conceptos clave del RNA-seq y desarrollarás las habilidades prácticas para el análisis e interpretación de los datos utilizando datos públicos a tu tiempo y ritmo.

Qué aprenderás

Análisis de RNA-seq

Software bioinformático

Visualización e interpretación de datos

A quién va dirigido este curso

Este curso está dirigido a estudiantes, profesionales e investigadores de las áreas biológicas y de la salud interesados en el aprendizaje del fundamento y la aplicación de las herramientas computacionales para el análisis e interpretación de datos de ensayos de secuenciación de ARN (RNA-seq) en diversos contextos biológicos.

Beneficios del curso

Certificado de finalización

Constancia de
finalización del curso
y realización de un
proyecto con valor
curricular

Instructores expertos

Aprende directamente de expertos del área de las mejores instituciones de Latinoamérica y el mundo

Educación con proyectos

Realizarás un
proyecto académico
para demostrar las
habilidades
adquiridas en el
curso

Temario

Módulo 1: Fundamento del ensayo de RNA-seq

Ensayo de RNA-seq: aplicaciones, ventajas y desventajas.
Preparación de librerías y secuenciación masiva para el ensayo de RNA-seq.
Datos de secuenciación masiva: archivos fastq y sus características.
Análisis de repositorios de datos: Datos públicos
Práctica 1: Obtención de una cuenta en Galaxy.

Módulo 2: Herramientas para el análisis de datos de RNA-seq

Flujo de trabajo: importación, calidad, mapeo, análisis de expresión diferencial y visualización.
Identificación de datos públicos.
Práctica 2: Importación de datos a Galaxy.
Práctica 3: Instalación de R y RStudio.

Módulo 3: Flujo de trabajo: calidad, alineamiento y cuantificación

Análisis de calidad con fastQC y multiQC.
Alineamiento de las lecturas a un genoma de referencia con STAR.
Práctica 4: Análisis de calidad del alineamiento.
Práctica 5: Obtención de conteos en modelos génicos con featureCounts.
Práctica 6: Análisis de calidad de los conteos.

Módulo 4: Análisis de expresión diferencial

Normalización y análisis de expresión diferencial con edgeR.
Filtrado y obtención de genes diferencialmente expresados con R.
Práctica 7: Conversión de lecturas alineadas a señal con deepTools2.

Módulo 5: Visualización de los datos

Práctica 8: Gráfico de volcán (volcanoplot).
Práctica 9: Gráfico de magnitud vs distribución (MD plot).
Práctica10: Mapa de calor (heatmap).
Anotación funcional mediante ontología génica.
Práctica 11: Visualización con el USCS Genome Browser.

Proyecto

Identificación de genes diferencialmente expresados en un modelo de diferenciación celular

Utilizando datos públicos de RNA-seq y las herramientas para el procesamiento de datos de secuenciación masiva, se identificarán y visualizarán genes diferencialmente expresados con relevancia biológica en la diferenciación celular.

Instructor

Dr. Hober Nelson Núñez Martínez

Universidad Nacional Autónoma de México

Doctor en Ciencias Biomédicas. Ha participado en la aplicación de metodologías experimentales y computacionales en diversos contextos biológicos. Actualmente se especializa en la aplicación de herramientas ómicas y de edición genética para el estudio de los mecanismos regulatorios que influyen en los patrones de expresión génica durante la diferenciación celular.

Certificado digital

Obtendrás un certificado con valor curricular, el cual queda registrado dentro de la plataforma de Conociverso y podrás consultar en cualquier momento para su validación.

Requerimientos técnicos

Memoria RAM de 8 GB o superior.

Preguntas frecuentes

¿Se entrega un certificado al finalizar este curso?

Sí. Al terminar el curso recibirás un certificado con valor curricular, emitido por Conociverso, que demuestra las habilidades adquiridas durante el curso.

¿Debo tener algún grado académico específico para inscribirme?

No necesariamente. Recomendamos contar con conocimientos básicos en ciencias biológicas, pero el programa está pensado para adaptarse tanto a estudiantes como a profesionales.

¿Necesito tener instalado algún software antes de iniciar?

No. Durante el diplomado aprenderás a instalar y utilizar cada herramienta paso a paso, con la guía de tus profesores. Únicamente necesitas contar con una computadora con al menos 8 GB de RAM.

Si las clases en vivo ya pasaron, ¿aun así puedo tomar este curso?

¡Por supuesto! Todos nuestros cursos están diseñados para que también los puedas realizar en modalidad asincrónica, a tu propio ritmo y en el horario que mejor se adapte a ti. Tendrás acceso a las grabaciones de todas las clases del curso y al material complementario.

¿Emiten factura fiscal?

Sí, emitimos factura fiscal únicamente para México. Para solicitarla, ve a la configuración de tu cuenta, en la sección de pagos encontrarás la opción de facturación. Debe solicitarse dentro del mismo mes en que se realizó la compra.

Reseñas

M1 Fundamento del ensayo de RNA-seq

Desarrollo experimental del ensayo de RNA-seq: preparación de librerías y secuenciación masiva.
Datos de secuenciación masiva y sus características: archivos fastq y sus características .
Datos públicos de RNA-seq: repositorios de datos.
Práctica: obtención de una cuenta en Galaxy.

M2 Herramientas para el análisis de datos de RNA-seq

Flujo de trabajo para el procesamiento de los datos: importación, calidad, mapeo y análisis de expresión diferencial.
Práctica: identificación de datos públicos de RNA-seq.
Práctica: uso de Galaxy para la importación de los datos.
Práctica: instalación de R y RStudio.

M3 Flujo de trabajo: calidad, alineamiento y cuantificación

Análisis de calidad de las lecturas de secuenciación: uso de fastQC y multiQC.
Mapeo de las lecturas a un genoma de referencia: uso de STAR.
Cuantificación de las lecturas en modelos génicos: uso de FeatureCounts.

M4 Análisis de expresión diferencial

Análisis de expresión diferencial de genes: uso de edgeR.
Filtrado y manipulación de los datos procesados: uso de R y RStudio para el filtrado de los datos.
Conversión de lecturas mapeadas a señal normalizada: uso de deepTools2.

M5 Visualización de los datos

Práctica: Gráfico de volcán (volcanoplot).
Práctica: Gráfico de magnitud vs distribución (MD plot).
Práctica: Mapa de calor (heatmap).
Anotación funcional mediante ontología génica.
Práctica: Visualización con el USCS Genome Browser.