Docentes

1 /

Temario

La estructura de los contenidos ha sido diseñada por un equipo de profesionales de los mejores centros hospitalarios y universidades del territorio nacional, conscientes de la relevancia de la actualidad de la formación para poder intervenir en el diagnóstico y tratamiento de la patología oncológica, y comprometidos con la enseñanza de calidad mediante las nuevas tecnologías educativas.

Este Maestría en Oncología de Precisión: Genómica y Big Data contiene el programa científico más completo y actualizado del mercado”

Módulo 1. Biología molecular

1.1. Mecanismos moleculares del cáncer.

1.1.1. Ciclo celular.
1.1.2. Desprendimiento de las células tumorales.

1.2. Reprogramación del microambiente tumoral.

1.2.1. El microambiente del tumor: Una visión general.
1.2.2. El TME como factor pronóstico del cáncer de pulmón.
1.2.3. TME en progresión y metástasis del cáncer de pulmón.

1.2.3.1. Fibroblastos asociados al cáncer (CAF).
1.2.3.2. Células endoteliales.
1.2.3.3. Hipoxia en cáncer de pulmón.
1.2.3.4. Inflamación.
1.2.3.5. Células inmunológicas.

1.2.4. Contribución del TME a la resistencia terapéutica.

1.2.4.1. Contribución de TME a la resistencia a la radioterapia.

1.2.5. El TME como blanco terapéutico en el cáncer de pulmón.

1.2.5.1. Direcciones futuras.

1.3. Inmunología tumoral: Bases de la inmunoterapia en cáncer.

1.3.1. Introducción al sistema inmune.
1.3.2. Inmunología tumoral.

1.3.2.1. Antígenos asociados a tumores.
1.3.2.2. Identificación de antígenos asociados a tumor.
1.3.2.3. Tipos de antígenos asociados a tumores.

1.3.3. Bases de la inmunoterapia en cáncer.

1.3.3.1. Introducción a los enfoques inmunoterapéuticos.
1.3.3.2. Anticuerpos monoclonales en la terapia contra el cáncer.

1.3.3.2.1. Producción de anticuerpos monoclonales.
1.3.3.2.2. Tipos de anticuerpos terapéuticos.
1.3.3.2.3. Mecanismos de acción de los anticuerpos.
1.3.3.2.4. Anticuerpos modificados.

1.3.4. Moduladores inmunes no específicos.

1.3.4.1. Bacilo de Calmette-Guérin.
1.3.4.2. Interferón-α.
1.3.4.3. Interleucina-2.
1.3.4.4. Imiquimod.

1.3.5. Otros enfoques para la inmunoterapia.

1.3.5.1. Vacunas de células dendríticas.
1.3.5.2. Sipuleucel-T.
1.3.5.3. Bloqueo de CTLA-4.
1.3.5.4. Terapia de células T adoptivas.

1.3.5.4.1. Terapia celular adoptiva con clones de células T.
1.3.5.4.2. Terapia celular adoptiva con linfocitos infiltrantes de tumor.

1.4. Mecanismos moleculares implicados en el proceso de invasión y metástasis.

Módulo 2. Oncología genómica o de precisión

2.1. Utilidad del pérfil de expresión génica en cáncer.
2.2. Subtipos moleculares del cáncer de mama.
2.3. Plataformas genómicas de carácter pronóstico-predictivo en el cáncer de mama.
2.4. Dianas terapéuticas en cáncer de pulmón no célula pequeña.

2.4.1. Introducción.
2.4.2. Técnicas de detección molecular.
2.4.3. Mutación EGFR.
2.4.4. Translocación ALK.
2.4.5. Translocación ROS.
2.4.6. Mutación BRAF.
2.4.7. Reordenamientos NRTK.
2.4.8. Mutación HER2.
2.4.9. Mutación/Amplificación de MET.
2.4.10. Reordenamientos de RET.
2.4.11. Otras dianas moleculares.

2.5. Clasificación molecular del cáncer de colon.
2.6. Estudios moleculares en el cáncer gástrico.

2.6.1. Tratamiento del cáncer gástrico avanzado.
2.6.2. Sobreexpresión de HER2 en cáncer gástrico avanzado.
2.6.3. Determinación e interpretación de sobreexpresión de HER2 en cáncer gástrico avanzado.
2.6.4. Fármacos con actividad frente a HER2.
2.6.5. Trastuzumab en primera línea de cáncer gástrico avanzado.

2.6.5.1. Tratamiento del cáncer gástrico avanzado HER2+ después de la progresión a esquemas con trastuzumab.

2.6.6. Actividad de otros fármacos anti-HER2 en cáncer gástrico avanzado.

2.7. El GIST como modelo de investigación traslacional: 15 años de experiencia

2.7.1. Introducción.
2.7.2. Mutaciones de KIT y PDGFRA como promotores principales en GIST.
2.7.3. Genotipo en GIST: valor pronóstico y predictivo.
2.7.4. Genotipo en GIST y resistencias al imatinib.
2.7.5. Conclusiones.

2.8. Biomarcadores moleculares y genómicos en melanoma.
2.9. Clasificación molecular de los tumores cerebrales.
2.10. Biomarcadores moleculares y genómicos en melanoma.
2.11. Inmunoterapia y biomarcadores.

2.11.1. Escenario de las terapias inmunológicas en el tratamiento del cáncer y necesidad de definir el perfil mutacional de un tumor.
2.11.2. Biomarcadores del inhibidor del punto de control: PD-L1 y más allá.

2.11.2.1. El papel de PD-L1 en la regulación inmune.
2.11.2.2. Datos de ensayos clínicos y biomarcador PD-L1.
2.11.2.3. Umbrales y ensayos para la expresión de PD-L1: una imagen compleja.
2.11.2.4. Biomarcadores emergentes.

2.11.2.4.1. Carga Mutacional Tumoral (TMB).

2.11.2.4.1.1. Cuantificación de la carga mutacional tumoral.
2.11.2.4.1.2. Evidencia de la carga mutacional tumoral.
2.11.2.4.1.3. Carga tumoral tumoral como biomarcador predictivo.
2.11.2.4.1.4. Carga tumoral tumoral como un biomarcador pronóstico.
2.11.2.4.1.5. El futuro de la carga mutacional.

2.11.2.4.2. Inestabilidad de microsatélites.
2.11.2.4.3. Análisis del infiltrado inmune.
2.11.2.4.4. Marcadores de toxicidad.

2.11.3. Desarrollo de fármacos de punto de control inmune en cáncer.
2.11.4. Fármacos disponibles.

Modulo 3. Cambios en la práctica clínica actual y nuevas aplicaciones con la oncología genómica

3.1. Biopsias líquidas: ¿moda o futuro?

3.1.1. Introducción.
3.1.2. Células circulantes tumorales.
3.1.3. ctDNA.
3.1.4. Utilidades clínicas.
3.1.5. Limitaciones del ctDNA.
3.1.6. Conclusiones y Futuro.

3.2. Papel del Biobanco en la Investigación Clínica.

3.2.1. Introducción.
3.2.2. ¿Merece la pena hacer el esfuerzo de crear un Biobanco?
3.2.3. Cómo se puede empezar a establecer un Biobanco.
3.2.4. Consentimiento informado para Biobanco.
3.2.5. Toma de muestras para Biobanco.
3.2.6. Control de Calidad.
3.2.7. Acceso a las muestras.

3.3. Ensayos clínicos: nuevos conceptos basados en la medicina de precisión.

3.3.1. ¿Qué son los ensayos clínicos? ¿En qué se diferencian de otros tipos de investigaciones?

3.3.1.1. Tipos de ensayos clínicos.

3.3.1.1.1. Según sus objetivos.
3.3.1.1.2. Según el número de centros participantes.
3.3.1.1.3. Según su metodología.
3.3.1.1.4. Según su grado de enmascaramiento.

3.3.2. Resultados de los ensayos clínicos en oncología torácica.

3.3.2.1. Relacionados con el tiempo de supervivencia.
3.3.2.2. Resultados relacionados con el tumor.
3.3.2.3. Resultados comunicados por el paciente.

3.3.3. Ensayos clínicos en la era de la medicina de precisión.

3.3.3.1. Medicina de precisión.
3.3.3.2. Terminología relacionada con el diseño de ensayos en la era de la medicina de precisión.

3.4. Incorporación de los marcadores accionables en la práctica clínica.
3.5. Aplicación de la genómica en la práctica clínica por tipo tumoral.
3.6. Sistemas de soporte a las decisiones en oncología basados en Inteligencia Artificial.

Módulo 4. Empleo de Unix y Linux en bioinformática

4.1. Introducción al sistema operativo Linux.

4.1.1. ¿Qué es un sistema operativo?
4.1.2. Los beneficios de usar Linux.

4.2. Entorno Linux e Instalación.

4.2.1. Distribuciones de Linux?
4.2.2. Instalación de Linux usando una memoria USB.
4.2.3. Instalación de Linux utilizando CD-ROM.
4.2.4. Instalación de Linux usando una máquina virtual.

4.3. La línea de comandos.

4.3.1. Introducción.
4.3.2. ¿Qué es una línea de comandos?
4.3.3. Trabajar en el terminal.
4.3.4. El Shell, Bash.

4.4. Navegación básica.

4.4.1. Introducción.
4.4.2. ¿Cómo conocer la localización actual?
4.4.3. Rutas absolutas y relativas.
4.4.4. ¿Cómo movernos en el sistema?

4.5. Manipulación de archivos.

4.5.1. Introducción.
4.5.2. ¿Cómo construimos un directorio?
4.5.3. ¿Cómo movernos a un directorio?
4.5.4. ¿Cómo crear un archivo vacio?
4.5.5. Copiar un archivo y directorio.
4.5.6. Eliminar un archivo y directorio.

4.6. Editor de textos vi.

4.6.1. Introducción.
4.6.2. ¿Cómo grabar y salir?
4.6.3. ¿Cómo navegar por un archivo en el editor de texto vi?
4.6.4. Borrando el contenido.
4.6.5. El comando deshacer.

4.7. Comodines.

4.7.1. Introducción.
4.7.2. ¿Qué son los comodines?
4.7.3. Ejemplos con comodines

4.8. Permisos.

4.8.1. Introducción.
4.8.2. ¿Cómo ver los permisos de un archivo?
4.8.3. ¿Cómo cambiar los permisos?
4.8.4. Configuración de los permisos.
4.8.5. Permisos para directorios.
4.8.6. El usuario “root”.

4.9. Filtros.

4.9.1. Introducción.
4.9.2. Head.
4.9.3. Tail.
4.9.4. Sort.
4.9.5. nl.
4.9.6. wc.
4.9.7. cut.
4.9.8. sed.
4.9.9. uniq.
4.9.10. tac.
4.9.11. Otros filtros.

4.10. Grep y expresiones regulares.

4.10.1. Introducción.
4.10.2. eGrep.
4.10.3. Expresiones regulares.
4.10.4. Algunos ejemplos.

4.11. Pipelines y redirección.

4.11.1. Introducción.
4.11.2. Redirección a un archivo.
4.11.3. Grabar a un archivo.
4.11.4. Redirección desde un archivo.
4.11.5. Redirección STDERR.
4.11.6. Pipelines.

4.12. Manejo de procesos.

4.12.1. Introducción.
4.12.2. Procesos activos.
4.12.3. Cerrar un proceso corrupto.
4.12.4. Trabajos de primer plano y de fondo.

4.13. Bash.

4.13.1. Introducción.
4.13.2. Puntos importantes.
4.13.3. Porqué el ./ ?
4.13.4. Variables.
4.13.5. Las declaraciones.

Módulo 5. Análisis de datos en proyectos de big data: lenguaje de programación R

5.1. Introducción al lenguaje de programación R.

5.1.1. ¿Qué es R?
5.1.2. Instalación de R y el interfaz gráfico de R.
5.1.3. Paquetes.

5.1.3.1. Paquetes estándar.
5.1.3.2. Paquetes aportados y CRAN.

5.2. Características básicas de R.

5.2.1. El entorno R.
5.2.2. Software y documentación relacionados.
5.2.3. R y estadísticas.
5.2.4. R y el sistema de ventanas.
5.2.5. Usando R interactivamente.
5.2.6. Una sesión introductoria.
5.2.7. Obtención de ayuda con funciones y características.
5.2.8. Comandos R, sensibilidad a mayúsculas, etc.
5.2.9. Recuperación y corrección de comandos anteriores.
5.2.10. Ejecutar comandos o desviar la salida a un archivo.
5.2.11. Permanencia de datos y eliminación de objetos.

5.3. Tipos de objetos de R.

5.3.1. Manipulaciones simples; números y vectores.

5.3.1.1. Vectores y asignación.
5.3.1.2. Aritmética de vectores.
5.3.1.3. Generando secuencias regulares.
5.3.1.4. Vectores lógicos.
5.3.1.5. Valores Perdidos.
5.3.1.6. Vectores de caracteres.
5.3.1.7. Vectores de índice.

5.3.1.7.1. Selección y modificación de subconjuntos de un conjunto de datos.

5.3.1.8. Otros tipos de objetos.

5.3.2. Objetos, sus modos y atributos.

5.3.2.1. Atributos intrínsecos: modo y longitud.
5.3.2.2. Cambiar la longitud de un objeto.
5.3.2.3. Obtención y configuración de atributos.
5.3.2.4. La clase de un objeto.

5.3.3. Factores ordenados y desordenados.

5.3.3.1. Un ejemplo específico
5.3.3.2. La función tapply () y matrices desiguales.
5.3.3.3. Factores ordenados.

5.3.4. Matrices.

5.3.4.1. Matrices.
5.3.4.2. Indización de matrices. Subsecciones de una matriz.
5.3.4.3. Matrices de índice.
5.3.4.4. La función array ().
5.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje.
5.3.4.6. El producto exterior de dos matrices.
5.3.4.7. Transposición generalizada de una matriz.
5.3.4.8. Multiplicación de matrices.
5.3.4.9. Valores propios y vectores propios.
5.3.4.10. Descomposición de valores singulares y determinantes.
5.3.4.11. Formando matrices particionadas, cbind () y rbind ().
5.3.4.12. La función de concatenación, c (), con matrices.

5.3.5. Tablas de frecuencia de factores.
5.3.6. Listas.

5.3.6.1. Construyendo y modificando listas.
5.3.6.2. Listas de concatenación.

5.3.7. Dataframes.

5.3.7.1. ¿Cómo crear dataframes?
5.3.7.2. Adjuntar () y separar ().
5.3.7.3. Trabajando con dataframes.

5.4. Lectura y escritura de datos.

5.4.1. La función read.table ().
5.4.2. La función scan ().
5.4.3. Acceso a los conjuntos de datos incorporados.
5.4.4. Cargando datos de otros paquetes R.
5.4.5. Edición de datos.

5.5. Agrupación, bucles y ejecución condicional.

5.5.1. Expresiones agrupadas.
5.5.2. Declaraciones de control.

5.5.2.1. Ejecución condicional: sentencias if.
5.5.2.2. Ejecución repetitiva: para bucles, repetición y tiempo.

5.6. Escribiendo tus propias funciones.

5.6.1. Ejemplos simples.
5.6.2. Definiendo nuevos operadores binarios.
5.6.3. Argumentos con nombre y valores por defecto.
5.6.4. El argumento “...”.
5.6.5. Asignaciones dentro de funciones.

Módulo 6. Entorno gráfico en R

6.1. Procedimientos gráficos.

6.1.1. Comandos de trazado de alto nivel.

6.1.1.1. La función plot ().
6.1.1.2. Visualización de datos multivariados.
6.1.1.3. Gráficos de pantalla.
6.1.1.4. Argumentos a funciones de trazado de alto nivel.

6.1.2. Comandos de trazado de bajo nivel.

6.1.2.1. Anotación matemática.
6.1.2.2. Fuentes vectoriales hershey.

6.1.3. Interactuando con gráficos.
6.1.4. Uso de parámetros gráficos.

6.1.4.1. Cambios permanentes: la función par ().
6.1.4.2. Cambios temporales: Argumentos a funciones gráficas.

6.1.5. Lista de parámetros gráficos.

6.1.5.1. Elementos gráficos.
6.1.5.2. Ejes y marcas.
6.1.5.3. Márgenes de la figura.
6.1.5.4. Entorno de figuras múltiples.

6.1.6. Estadística descriptiva: Representaciones gráficas.

Módulo 7. Análisis estadístico en R

7.1. Distribuciones de probabilidad discretas.
7.2. Distribuciones de probabiidad contínuas.
7.3. Introducción a la inferencia y muestreo (Estimación Puntual).
7.4. Intervalos de confianza.
7.5. Contrastes de hipótesis.
7.6. ANOVA de un factor.
7.7. Bondat de Ajuste (test de chi cuadrado).
7.8. Paquete fitdist.
7.9. Introducción a estadística multivariante.

Módulo 8. Machine learning para el análisis de Big Data

8.1. Introducción a Machine Learning.
8.2. Presentación del problema, carga de datos y librerías.
8.3. Limpieza de datos (NAs, categorías, variables dummy).
8.4. Analisis de datos exploratorio (ggplot) + Validación cruzada.
8.5. Algoritmos de predicción: Regresión Lineal Múltiple, Support Vector Machine, Árboles de Regresión, Random Forest…
8.6. Algoritmos de clasificación: Regresión Logística, Support Vector Regression, Árboles de Clasificación, Random Forest,…
8.7. Ajuste de los hiper parámetros del algoritmo.
8.8. Predicción de los datos con los diferentes modelos.
8.9. Curvas ROC y Matrices de Confusión para evaluar la calidad del modelo.

Módulo 9. Minería datos aplicado a la genómica

9.1. Introducción.
9.2. Inicialización de variables.
9.3. Limpieza y acondicionado del texto.
9.4. Generación de la Matriz de Términos.

9.4.1. Creación de la Matriz de Términos TDM.
9.4.2. Visualizaciones sobre la matriz de palabras TDM.

9.5. Descripción de la matriz de términos.

9.5.1. Representación gráfica de las frecuencias.
9.5.2. Construcción de una nube de palabras.

9.6. Creación de un data.frame apto para K-NN.
9.7. Construcción del Modelo de clasificación.
9.8. Validación del Modelo de clasificación.
9.9. Ejercicio práctico guiado de minería de datos en genómica en cáncer.

Módulo 10. Técnicas de extracción de datos genómicos

10.1. Introducción al "scraping data".
10.2. Importación de archivos de datos de hoja de cálculo almacenados on line.
10.3. Scraping de texto HTML.
10.4. Scraping los datos de una tabla HTML.
10.5. Aprovechar las API para scraping de los datos.
10.6. Extraer la información relevante.
10.7. Uso del paquete Rvest de R.
10.8. Obtención de datos distribuidos en múltiples páginas.
10.9. Extracción de datos genómicos de la plataforma “My Cancer Genome”
10.10. Extracción de información sobre genes de la base de datos HGNC Hugo Gene Nomenclature Committee.
10.11. Extracción de datos farmacológicos de la base de datos "ONCOKG"  (Precision Oncology Knowledge Base).

Módulo 11. Nuevas técnicas en la era genómica

11.1. Entendiendo la nueva tecnología: Next Generation Sequence (NGS) en la práctica clínica.

11.1.1. Introducción.
11.1.2. Antecedentes.
11.1.3. Problemas en la aplicación de la Secuenciación Sanger en Oncología.  
11.1.4. Nuevas técnicas de Secuenciación.
11.1.5. Ventajas del uso de la NGS en la práctica clínica.
11.1.6. Limitaciones del uso de la NGS en la práctica clínica.
11.1.7. Términos y definiciones de interés.
11.1.8. Tipos de estudios en función de su tamaño y profundidad.

11.1.8.1. Genomas.
11.1.8.2. Exomas.
11.1.8.3. Paneles multigénicos.

11.1.9. Etapas en la secuenciación NGS.

11.1.9.1. Preparación de muestras y librerías.
11.1.9.2. Preparación de templates y Secuenciación.
11.1.9.3. Procesado bioinformático.

11.1.10. Anotación y clasificación de variantes.

11.1.10.1. Bases de datos poblacionales.
11.1.10.2. Bases de datos locus específicas.
11.1.10.3. Predictores bioinformáticos de funcionalidad.

11.2. Secuenciación DNA y análisis bioinformático.

11.2.1. Introducción.
11.2.2. Software.
11.2.3. Procedimiento.

11.2.3.1. Extracción de secuencias crudas.
11.2.3.2. Alineación de secuencias.
11.2.3.3. Refinamiento de la alineación.
11.2.3.4. Llamada de variantes.
11.2.3.5. Filtrado de variantes.

11.3. Secuenciación RNA y análisis bioinformático.

11.3.1. Introducción.
11.3.2. Software.
11.3.3. Procedimiento.

11.3.3.1. Evaluación de QC de datos sin procesar.
11.3.3.2. Filtrado de RNAr.
11.3.3.3. Datos filtrados de control de calidad.
11.3.3.4. Recorte de calidad y eliminación del adaptador.
11.3.3.5. Alineación de reads a una referencia.
11.3.3.6. Llamada de variantes.
11.3.3.7. Análisis de expresión diferencial del gen.

11.4. Tecnología ChIP-Seq.

11.4.1. Introducción.
11.4.2. Software.
11.4.3. Procedimiento.

11.4.3.1. Descripción del conjunto de datos CHiP-Seq.
11.4.3.2. Obtener información sobre el experimento utilizando los sitios web de GEO y SRA.
11.4.3.3. Control de calidad de los datos de secuenciación.
11.4.3.4. Recorte y filtrado de reads.
11.4.3.5. Visualización los resultados con Integrated Genome Browser (IGV).

11.5. Big data aplicado a la oncología genómica.

11.5.1. El proceso de análisis de datos.

11.6. Servidores genómicos y bases de datos de variantes genéticas.

11.6.1. Introducción.
11.6.2. Servidores genómicos en web.
11.6.3. Arquitectura de los servidores genómicos.
11.6.4. Recuperación y análisis de datos.
11.6.5. Personalización.

11.7. Anotación de variantes genéticas.

11.7.1. Introducción.
11.7.2. ¿Qué es la llamada de variantes?
11.7.3. Entendiendo el formato VCF.
11.7.4. Identificadores de variantes.
11.7.5. Análisis de variantes.
11.7.6. Predicción del efecto de la variación en la estructura y función de la proteína

Módulo 12. Aplicación de la bioinformática en la oncología genómica

12.1. Enriquecimiento clínico y farmacológico de variantes de genes.
12.2. Búsqueda masiva en PubMed de información genómica.
12.3. Búsqueda masiva en DGIdb de información genómica.
12.4. Búsqueda masiva en Clinical Trials de ensayos clínicos sobre datos genómicos.
12.5. Búsqueda de similitud de genes para la interpretación de un panel genético o un exoma.
12.6. Búsqueda masiva de genes relacionados con una enfermedad.
12.7. Enrich-Gen: Plataforma de enriquecimiento clínico y farmacológico de genes.
12.8. Procedimiento para realizar un informe genómico en la era de la oncología de precisión.

Una experiencia de formación única, clave y decisiva para impulsar tu desarrollo profesional”