Máster en Oncología de Precisión: Genómica y Big Data
TECH Universidad TecnológicaMáster online
3.950 €
Duración : 1 Año
Emagister S.L. (responsable) tratará tus datos personales con la finalidad de gestionar el envío de solicitudes de información y comunicaciones promocionales de formación con tu consentimiento. Ejerce tus derechos de acceso, supresión, rectificación, limitación, portabilidad y otros, según se indica en nuestra política de privacidad.
Objetivos
Ser capaz de interpretar con precisión el volumen de información clínica disponible actualmente y asociado a los datos biológicos que se generan tras un análisis bioinformático.
A quién va dirigido
El Máster Título Propio en Oncología de Precisión: Genómica y Big Data está orientado a facilitar la actuación del médico dedicado al tratamiento de la patología oncológica en la que es preciso interpretar con precisión el volumen ingente de información clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático.
Temario completo de este curso
- 1.1. Mecanismos moleculares del cáncer
- 1.2. Reprogramación del microambiente tumoral
- 1.3. Inmunología tumoral: bases de la inmunoterapia en cáncer
Módulo 2. Oncología genómica o de precisión
- 2.1. Utilidad del perfil 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
- 2.5. Clasificación molecular del cáncer de colon
- 2.6. Estudios moleculares en el cáncer gástrico
- 2.7. El GIST como modelo de investigación traslacional: 15 años de experiencia
- 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
Módulo 3. Cambios en la práctica clínica actual y nuevas aplicaciones con la oncología genómica
- 3.1. Biopsias líquidas: ¿moda o futuro?
- 3.2. Papel del Biobanco en la investigación clínica
- 3.3. Ensayos clínicos: nuevos conceptos basados en 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
- 4.2. Entorno Linux e instalación
- 4.3. La línea de comandos
- 4.4. Navegación básica
- 4.5. Manipulación de archivos
- 4.6. Editor de textos vi
- 4.7. Comodines
- 4.8. Permisos
- 4.9. Filtros
- 4.10. Grep y expresiones regulares
- 4.11. Pipelines y redirección
- 4.12. Manejo de procesos
- 4.13. Bash
Módulo 5. Análisis de datos en proyectos de big data: lenguaje de programación R
- 5.1. Introducción al lenguaje de programación R
- 5.2. Características básicas de R
- 5.3. Tipos de objetos de R
- 5.4. Lectura y escritura de datos
- 5.5. Agrupación, bucles y ejecución condicional
- 5.6. Escribiendo tus propias funciones
Módulo 6. Entorno grafico en R
- 6.1. Procedimientos gráficos
Módulo 7. Análisis estadístico en R
- 7.1. Distribuciones de probabilidades discretas
- 7.2. Distribuciones de probabilidades 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. Bondad de Ajuste (test de chi-cuadrado)
- 7.8. QPaquete fitdist
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. Análisis 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 de 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
- 9.5. Descripción de la matriz de términos
- 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 online
- 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 “OncoKB” (Precision Oncology Knowledge Base)
Precio a consultar
Precio a consultar
4.500 €
2.200 € 1.695 €
2.400 € 1.200 €