.png)
- Nivel del curso: Especializado
- Fechas:
• Módulo 1: 30 de junio, 2, 7, 9, 14, 16, 21 y 23 de julio de 2026
• Módulo 2: 28, 30 de julio, 4, 6, 11, 13, 18, 20, 25, 27 de agosto, 1, 3, 8, 10, 17, 22, 24, 29 de septiembre, 1, 6, 8, 13 y 15 de octubre de 2026
• Módulo 3: 20, 22, 27, 29 de octubre y 3 de noviembre de 2026
- Horario:
México 🇲🇽 (CDMX), Guatemala 🇬🇹, El Salvador 🇸🇻: 6:00 PM a 8:30 PM
Colombia 🇨🇴, Perú 🇵🇪, Ecuador 🇪🇨: 7:00 PM a 9:30 PM
Argentina 🇦🇷, Chile 🇨🇱: 9:00 PM a 11:30 PM
- Requerimientos:
•Ingreso: constancia de licenciatura terminada (o 100 % créditos) en QFB, Biología, Genómica, Computación o afín; carta-motivo; CV; equipo con las especificaciones mínimas ya descritas.
•Permanencia: asistencia ≥ 80 %, entrega oportuna de tareas, participación y pagos al día.
•Egreso: promedio final ≥ 8.0 y aprobación del Proyecto Integrador por módulo.
•Equipo de cómputo, cuenta de correo electrónico (preferentemente Gmail) y conexión a internet.
Diplomado en Bioinformática: Herramientas para el análisis de datos ómicos
- Mexicanos:
- PayPal.
- Mercado Pago.
- Tarjeta de débito / crédito.
-
Resto de Latinoamérica y otros países:
- Tarjeta de débito / crédito.
- PayPal.
SESIÓN 1
MÓDULO 1. Fundamentos de bioinformática y análisis de secuencias.
1. Introducción a la Bioinformática.
1.1. Conceptos fundamentales de bioinformática.
1.2. Tipos de datos biológicos y formatos de secuencias.
1.3. Introducción a las bases de datos biológicas (NCBI, EMB,CytoscapeL, UniProt).
1.4. Herramientas básicas para el análisis de secuencias.
SESIÓN 2
2. Análisis de Secuencias de ADN y ARN.
2.1. Procesamiento y manipulación de secuencias.
2.2. Alineamiento de secuencias (BLAST, Clustal Omega, MUSCLE).
SESIÓN 3
2.3. Ensamblaje de genomas y anotación génica.
2.3.1. Algoritmos y herramientas para el ensamblaje de genomas.
2.3.2. Evaluación y mejora del ensamblaje.
2.3.3. Herramientas para la anotación génica.
2.3.4. Aplicaciones del ensamblaje y anotación génica.
SESIÓN 4
3. Análisis de proteínas y bioinformática estructural.
3.1. Conceptos clave para el análisis de proteínas.
3.2. Predicción de estructuras secundarias y terciarias con PSIPRED y AlphaFold2.
SESIÓN 5
3.3. Modelado de proteínas y docking molecular.
3.3.1. Modelado estructural de proteínas: Swiss-Model y MODELLER.
3.3.2. Docking Molecular para interacciones proteína-ligando: AutoDock, AutoDock Vina y PyRx.
SESIÓN 6
3.3.3. Validación de modelos: PROCHECK y MolProbity.
3.4. Interacciones proteína-proteína y redes de interacciones.
3.4.1. Predicción de interacciones proteína-proteína: STRING y DIP (Database of Interacting Proteins).
SESIÓN 7
3.4.2. Docking proteína-proteína: ClusPro y HADDOCK.
3.4.3. Análisis de redes de interacción: Cytoscape y BioGRID.
SESIÓN 8
3.4. Bases de datos de proteínas y herramientas de análisis estructural.
3.4.1. Bases de datos de proteínas: Protein Data Bank (PDB), UniProt e InterPro.
3.4.2. Análisis de propiedades estructurales: PyMOL, Chimera y ProSA-Web.SESIÓN 1
MÓDULO 2: Bioinformática para el análisis de datos ómicos.
1. Genómica: Secuenciación masiva y análisis de variantes.
1.1. Tipos de secuenciación masiva (NGS, TGS).
1.1.1. Next-Generation Sequencing (NGS): Illumina, Ion Torrent, SOLiD.
1.1.2. Third-Generation Sequencing (TGS): PacBio SMRT y Oxford Nanopore.
1.1.3. Aplicaciones de NGS y TGS.
SESIÓN 2
1.2. Control de calidad y preprocesamiento de secuencias.
1.2.1. Evaluación de calidad de lecturas.
1.2.2. Filtrado y limpieza de secuencias.
SESIÓN 3
1.3. Mapeo y ensamblaje de genomas.
SESIÓN 4
1.4. Identificación de variantes genéticas (SNPs, indels, CNVs).
1.5. Anotación funcional de variantes.
SESIÓN 5
2. Metabolómica: Análisis de metabolitos y perfiles metabólicos.
2.1. Introducción a la metabolómica y su aplicación.
2.1.1. Definición y conceptos claves.
2.1.2. Métodos experimentales en metabolómica.
2.2. Adquisición y preprocesamiento de datos metabolómicos.
2.2.1. Fuentes de datos metabolómicos.
2.2.1.1. Bases de datos públicas: HMDB (Human Metabolome Database), MetaboLights, KEGG.
2.2.2. Conversión, normalización y procesamiento de datos.
SESIÓN 6
2.2.1.2. Datos de espectrometría de masas y NMR.
2.3. Métodos de identificación y cuantificación de metabolitos.
2.3.1. Comparación de espectros con bases de datos: GNPS (Global Natural Products Social), MetFrag y HMDB.
SESIÓN 7
2.3.2. Cuantificación dirigida (Targeted Metabolomics).
2.3.3. Cuantificación no dirigida (Untargeted Metabolomics).
SESIÓN 8
2.4. Análisis de rutas metabólicas y biomarcadores.
2.4.1. Exploración de Rutas Metabólicas
2.4.1.1. Relación entre metabolitos y procesos celulares.
2.4.1.2. Uso de KEGG y MetExplore para analizar redes metabólicas.
SESIÓN 9
2.4.2. Descubrimiento de biomarcadores metabolómicos.
2.4.2.1. Métodos estadísticos para selección de biomarcadores.
2.4.2.1.1. Análisis de Componentes Principales (PCA).
SESIÓN 10
2.4.2.1.2. Discriminación de metabolitos con PLS-DA.
2.4.2.2. Asociación de metabolitos con enfermedades y fenotipos en MetaboAnalyst.SESIÓN 11
3. Transcriptómica: Normalización y análisis de datos de RNA-Seq.
3.1. Control de calidad de lecturas de RNA-Seq.
3.1.1. Evaluación de la calidad de las lecturas.
3.1.2. Filtrado y preprocesamiento de datos.
SESIÓN 12
3.2. Alineamiento de genomas y transcriptomas.
3.2.1. Mapeo de lecturas contra un genoma de referencia.
3.2.2. Ensamblaje de novo del transcriptoma.
SESIÓN 13
3.3. Cuantificación de expresión génica.
3.3.1. Métodos de cuantificación de expresión.
3.3.2. Normalización de datos de expresión.
SESIÓN 14
3.4. Análisis diferencial de expresión.
3.4.1. Identificación de genes diferencialmente expresados.
3.4.2. Visualización de datos de expresión.
SESIÓN 15
3.5. Enriquecimiento funcional de genes expresados diferencialmente.
3.5.1. Análisis de enriquecimiento funcional.
3.5.2. Herramientas de enriquecimiento funcional.SESIÓN 16
4. Proteómica: Identificación y cuantificación de proteínas.
4.1. Análisis de espectrometría de masas.
4.1.1. Fundamentos de la espectrometría de masas en proteómica.
4.1.2. Preprocesamiento de datos de MS.
4.2. Identificación de péptidos y proteínas en base de datos: Mascot y X!Tandem.
4.2.1. Búsqueda de péptidos en bases de datos.
4.2.2. Bases de datos utilizadas en la identificación
SESIÓN 17
4.3. Cuantificación basada en etiquetas y sin etiquetas.
4.3.1. Cuantificación basada en etiquetas (MaxQuant).
4.3.2. Cuantificación sin etiquetas (Skyline y OpenMS).
4.3.3. Análisis de diferencias de expresión proteica.
SESIÓN 18
4.4. Análisis de redes de interacción proteica (STRING y Cytoscape).
4.4.1. Identificación de interacciones proteína-proteína.
4.4.2. Construcción y análisis de redes de interacción.
4.4.3. Análisis funcional de redes proteicas.SESIÓN 19
5. Metagenómica: Introducción al preprocesamiento de datos.
5.1. Fundamentos y conceptos básicos de la metagenómica.
5.1.1. Tipos de metagenómica: shotgun vs. 16S rRNA.
5.1.2 Fuentes de datos metagenómicas (bases de datos públicas: NCBI, MG-RAST, EBI).
SESIÓN 20
5.2. Calidad de secuencias y preprocesamiento con FastQC y Trimmomatic.
5.3. Eliminación de contaminantes y control de calidad.
SESIÓN 21
5.4. Ensamblaje y análisis de secuencias.
5.4.1. Ensamblaje de metagenomas con MEGAHIT o SPAdes.
5.4.2. Anotación y clasificación de secuencias con Kraken2 y Kaiju.
5.4.3. Identificación de especies y taxonomía con QIIME2.
SESIÓN 22
5.5. Análisis funcional y ecológico.
5.5.1. Predicción funcional con KEGG, EggNOG y HUMAnN3.
5.5.2. Análisis de diversidad microbiana: riqueza y abundancia.
SESIÓN 23
5.5.3. Visualización de datos con R (phyloseq, ggplot2) y Python.
5.5.4. Integración de datos y generación de informes.
5.5.5. Buenas prácticas en análisis metagenómico.SESIÓN 1
MÓDULO 3. Aplicaciones avanzadas en bioinformática y regulación de datos genómicos.
1. Machine learning y bioinformática.
1.1. Introducción a la inteligencia artificial y machine learning en biología.
1.2. Modelos supervisados y no supervisados en análisis genómico.
2. Bioinformática estructural y diseño de fármacos.
2.1. Dinámica molecular y simulaciones en bioinformática.
2.2. Docking molecular para descubrimiento de fármacos.
SESIÓN 2
3. Metagenómica y microbioma en medicina de precisión.
3.1. Análisis avanzado del microbioma con machine learning y big data.
3.2. Revisión de herramientas bioinformáticas para la caracterización funcional.
3.2.1. QIIME2 y HUMAnN3.
3.3. Impacto del microbioma en enfermedades y farmacogenómica.
SESIÓN 3
4. Edición genómica y CRISPR bioinformático.
4.1. Principios de CRISPR y diseño de guías.
4.1.1. Predicción de off-targets con herramientas bioinformáticas.
4.1.2. Aplicaciones en terapias génicas y biotecnología.
SESIÓN 4
5. Análisis multi-ómico e integración de datos.
5.1. Fusión de datos de genómica, transcriptómica, proteómica y metabolómica.
5.2. Abordaje de la visualización y análisis con herramientas avanzadas.
5.2.1. MetaboAnalyst y Cytoscape.
5.3. Aplicaciones en medicina personalizada y biología de sistemas.
SESIÓN 5
6. Normatividad y ética en bioinformática.
6.1. Principales normativas internacionales en bioinformática y datos genómicos:
6.1.1. Reglamento General de Protección de Datos (GDPR - Europa).
6.1.2. Ley de Portabilidad y Responsabilidad del Seguro Médico (HIPAA - EE.UU.).
6.1.3. Normativas de bioética y experimentación humana (Belmont Report, UNESCO).
6.2. Propiedad intelectual y patentes en bioinformática y genética.
6.3. Privacidad y seguridad de datos biológicos:
6.3.1. Anonimización de datos en estudios de genómica.
6.3.2. Almacenamiento y transferencia segura de datos (FAIR Data Principles).
6.4. Ética en el uso de inteligencia artificial en biomedicina.