Especializarte en Bioinformática y Big Data de manera 100% online y en tan solo 6 meses es ahora posible gracias a esta exhaustiva e intensiva titulación que TECH Global University pone a tu disposición”

Los avances llevados a cabo en el campo de la bioinformática han beneficiado a muchísimos sectores, incluido el de la medicina. Gracias al desarrollo de técnicas cada vez más específicas y concretas, ha sido posible ampliar las aplicaciones de la e-Health en el entorno actual, optimizando las tareas y favoreciendo el tratamiento y el análisis masivo de los datos biológicos. Entre las estrategias más comunes está el empleo del Big Data para el procesado de datos a través de genómica estructural, lo cual ha permitido, entre otras cosas, descubrir nuevos biomarcadores y dianas terapéuticas.

Al tratarse de un campo tan amplio y complejo, requiere de un conocimiento exhaustivopara dedicarse a ello. Por eso, y ante la creciente demanda de profesionales de la informática especializados en sector, TECH y su equipo de expertos han decidido conformar una titulación 100% online que permita a cualquier egresado versarse en esta área.

Se trata de una experiencia académica con la cual podrá ahondar en las novedades de la computación, así como la creación y gestión de bases de datos biomédicas desde cero. Además, también hace especial hincapié en el procesamiento
de datos a través las herramientas y softwares más sofisticados.

Para ello contará con 450 horas de material diverso además del temario y los casos prácticos: vídeos al detalle, artículos de investigación, lecturas complementarias, artículos de investigación, ejercicios de autoconocimiento y resúmenes dinámicos.

En conclusión, todo lo que necesita para obtener de esta experiencia académica el conocimiento más amplio y exhaustivo para adaptar su perfil profesional a las especificaciones del sector y a la demanda laboral actual. 

Con el curso de esta Postgraduate diploma lograrás dominar el manejo de las múltiples bases de datos que existen en la actualidad”

Esta Postgraduate diploma en Bioinformatics and Big Data in Medicine contiene el programa educativo más completo y actualizado del mercado. Sus características más destacadas son:

• El desarrollo de casos prácticos presentados por expertos en bioinformática y base de datos
• Los contenidos gráficos, esquemáticos y eminentemente prácticos con los que está concebido recogen una información práctica sobre aquellas disciplinas indispensables para el ejercicio profesional
• Los ejercicios prácticos donde realizar el proceso de autoevaluación para mejorar el aprendizaje
• Su especial hincapié en metodologías innovadoras
• Las lecciones teóricas, preguntas al experto, foros de discusión de temas controvertidos y trabajos de reflexión individual
• La disponibilidad de acceso a los contenidos desde cualquier dispositivo fijo o portátil con conexión a internet

Podrás implementar a tu catálogo de competencias el manejo exhaustivo y especializado de las técnicas más innovadoras para la computación en bioinformática"

El programa incluye, en su cuadro docente, a profesionales del sector que vierten en esta capacitación la experiencia de su trabajo, además de reconocidos especialistas de sociedades de referencia y universidades de prestigio.

Su contenido multimedia, elaborado con la última tecnología educativa, permitirá al profesional un aprendizaje situado y contextual, es decir, un entorno simulado que proporcionará una capacitación inmersiva programada para entrenarse ante situaciones reales.

El diseño de programa se centra en el Aprendizaje Basado en Problemas, mediante el cual el profesional deberá tratar de resolver las distintas situaciones de práctica profesional que se le planteen a lo largo del curso académico. Para ello, contará con la ayuda de un novedoso sistema de vídeo interactivo realizado por reconocidos expertos.

Contarás con la posibilidad de acceder al Campus Virtual desde cualquier dispositivo con conexión a internet, ya se pc, tablet o móvil"

Una oportunidad académica única para implementar a tu praxis las técnicas de enriquecimiento y clustering más innovadoras y efectivas"

TECH distinguishes itself from other universities by creating highly capable, dynamic and innovative programs, but through a convenient and accessible 100% online format. This is possible thanks to the use of the latest educational technology, the best pedagogical strategy and the collaboration of a team of experts for the collection of syllabus information and the design of additional material. As a result, it is possible to offer a highly empowering academic experience in a short period of time. 

If your ambitions include mastering data mining, with this Postgraduate diploma you will master the most effective tools for this purpose"

Module 1. Computation in Bioinformatics

1.1. Central Tenet in Bioinformatics and Computing Current State

1.1.1. The Ideal Application in Bioinformatics
1.1.2. Parallel Developments in Molecular Biology and Computing
1.1.3. Dogma in Biology and Information Theory
1.1.4. Information Flows

1.2. Databases for Bioinformatics Computing

1.2.1. Database
1.2.2. Data management
1.2.3. Data Life Cycle in Bioinformatics

1.2.3.1. Use
1.2.3.2. Modifications
1.2.3.3. Archive
1.2.3.4. Reuse
1.2.3.5. Discarded

1.2.4. Database Technology in Bioinformatics

1.2.4.1. Architecture
1.2.4.2. Database Management

1.2.5. Interfaces for Bioinformatics Databases

1.3. Networks for Bioinformatics Computing

1.3.1. Communication Models. LAN, WAN, MAN and PAN Networks
1.3.2. Protocols and Data Transmission
1.3.3. Network Topologies
1.3.4. Datacenter Hardware for Computing
1.3.5. Security, Management and Implementation

1.4. Search Engines in Bioinformatics

1.4.1. Search Engines in Bioinformatics
1.4.2. Search Engine Processes and Technologies in Bioinformatics
1.4.3. Computational Models: Search and Approximation Algorithms

1.5. Data Display in Bioinformatics

1.5.1. Displaying Biological Sequences
1.5.2. Displaying Biological Structures

1.5.2.1. Visualization Tools
1.5.2.2. Rendering Tools

1.5.3. User Interface in Bioinformatics Applications
1.5.4. Information Architectures for Displays in Bioinformatics

1.6. Statistics for Computing

1.6.1. Statistical Concepts for Computing in Bioinformatics
1.6.2. Use Case: MARN Microarrays
1.6.3. Imperfect Data. Statistical Errors: Randomness, Approximation, Noise and Assumptions
1.6.4. Error Quantification: Precision and Sensitivity
1.6.5.  Clustering and Classification

1.7. Data Mining

1.7.1. Mining and Data Computing Methods
1.7.2. Infrastructure for Data Mining and Computing
1.7.3. Pattern Discovery and Recognition
1.7.4. Machine Learning and New Tools

1.8. Genetic Pattern Matching

1.8.1. Genetic Pattern Matching
1.8.2. Computational Methods for Sequence Alignments
1.8.3. Pattern Matching Tools

1.9. Modelling and Simulation

1.9.1. Use in the Pharmaceutical Field: Drug Discovery
1.9.2. Protein Structure and Systems Biology
1.9.3. Available Tools and Future

1.10. Collaboration and Online Computing Projects

1.10.1. Grid Computing
1.10.2. Standards and Rules Uniformity, Consistency and Interoperability
1.10.3. Collaborative Computing Projects

Module 2. Biomedical Databases

2.1. Biomedical Databases

2.1.1. Biomedical Databases
2.1.2. Primary and Secondary Databases
2.1.3. Major Databases

2.2. DNA Databases

2.2.1. Genome Databases
2.2.2. Gene Databases
2.2.3. Mutations and Polymorphisms Databases

2.3. Protein Databases

2.3.1. Primary Sequence Databases
2.3.2. Secondary Sequence and Domain Databases
2.3.3. Macromolecular Structure Databases

2.4. Omics Projects Databases

2.4.1. Genomics Studies Databases
2.4.2. Transcriptomics Studies Databases
2.4.3. Proteomics Studies Databases

2.5. Genetic Diseases Databases Personalized and Precision Medicine

2.5.1. Genetic Diseases Databases
2.5.2. Precision Medicine. The Need to Integrate Genetic Data
2.5.3. Extracting Data from OMIM

2.6. Self-Reported Patient Repositories

2.6.1. Secondary Data Use
2.6.2. Patients' Role in Deposited Data Management
2.6.3. Repositories of Self-Reported Questionnaires

2.7. Elixir Open Databases

2.7.1. Elixir Open Databases
2.7.2. Databases Collected on the Elixir Platform
2.7.3. Criteria for Choosing between Databases

2.8. Adverse Drug Reactions (ADRs) Databases

2.8.1. Pharmacological Development Processes
2.8.2. Adverse Drug Reaction Reporting
2.8.3. Adverse Reaction Repositories at European and International Levels

2.9. Research Data Management Plans. Data to be Deposited in Public Databases

2.9.1. Data Management Plans
2.9.2. Data Custody in Research
2.9.3. Data Entry in Public Databases

2.10. Clinical Databases. Problems with Secondary Use of Health Data

2.10.1. Medical Record Repositories
2.10.2. Data Encryption
2.10.3. Access to Health Data. BORRAR Legislation BORRAR

Module 3. Big Data in Medicine: Massive Medical Data Processing

3.1. Big Data in Biomedical Research

3.1.1. Data Generation in Biomedicine
3.1.2. High Performance (High-throughput technology)
3.1.3. Uses of High-Throughput Data. Hypotheses in the Age of Big Data

3.2. Data Pre-Processing in Big Data

3.2.1. Data Pre-Processing
3.2.2. Methods and Approaches
3.2.3. Problems with Data Pre-Processing in Big Data

3.3. Structural Genomics

3.3.1. Sequencing the Human Genome
3.3.2. Sequencing vs Chips
3.3.3. Variant Discovery

3.4. Functional Genomics

3.4.1. Functional Notation
3.4.2. Mutation Risk Predictors
3.4.3. Association Studies in Genomics

3.5. Transcriptomics

3.5.1. Techniques to Obtain Massive Data in Transcriptomics: RNA-seq
3.5.2. Data Normalization in Transcriptomics
3.5.3. Differential Expression Studies

3.6. Interactomics and Epigenomics

3.6.1. The Role of Cromatine in Gene Expression
3.6.2. High-Throughput Studies in Interactomics
3.6.3. High-Throughput Studies in Epigenetics

3.7. Proteomics

3.7.1. Analysis of Mass Spectrometry Data
3.7.2. Post-Translational Modifications Study
3.7.3. Quantitative Proteomics

3.8. Enrichment and Clustering Techniques

3.8.1. Contextualizing Results
3.8.2. Clustering Algorithms in Omics Techniques
3.8.3. Repositories for Enrichment: Gene Ontology and KEGG

3.9. Applying Big Data to Public Health

3.9.1. Discovery of New Biomarkers and Therapeutic Targets
3.9.2. Risk Predictors
3.9.3. Personalized Medicine

3.10. Big Data Applied to Medicine

3.10.1. Potential for Diagnostic and Preventive Assistance
3.10.2. Use of Machine Learning Algorithms in Public Health
3.10.3. The Problem of Privacy

Do not miss the opportunity to orient your professional career towards a booming sector such as bioinformatics and start an academic experience that will open many doors in the future"