Estación Lastarria

Introducción a R para la Bioinformática

El curso tiene por objetivo entrenar en metodologías y competencias computacionales básicas para el uso de R orientado a la bioinformática, con el propósito de que el alumno conozca los aspectos básicos del lenguaje para introducirse de forma clara y simple en la bioinformática.

Horario

Martes y jueves de 19:00 a 21:00 hrs
a partir del martes 17 de enero
(5 sesiones)

Participantes

20 Cupos Disponibles
¡No te quedes fuera!

CLP$100.000

Paga con Transferencia Electrónica, Tarjeta Crédito/Débito, Pay Pal o Criptomonedas

Inscríbete Ahora

Sobre el Curso

Objetivo general: 

Conocer los fundamentos de la programación en R e iniciarse en el análisis de datos de bioinformáticos.

Objetivos específicos:

  1. Identificar las principales características del lenguaje de programación en R.
  2. Realizar cálculo de estadísticos descriptivos y representaciones gráficas en R.
  3. Identificar los principales conceptos de estadística descriptiva en R.
  4. Realizar un análisis de expresión diferencial de genes en R.

Estudiantes de pregrado, postgrado e investigadores iniciantes en  R pertenecientes al área de las Ciencias Biológicas

  • Cada estudiante deberá contar con un computador portátil operativo.
  • No se requieren conocimientos computacionales previos excepto un manejo intermedio en instalación y configuración de softwares (descarga de archivos, instalación y configuración de programas, etc.).

Descarga el Programa completo de este curso

Programa del Curso

Sesión 1
Introducción a la programación en R. Loops  en R

1.1. Descripción de software R.

1.2. Lenguaje orientado a objetos.

1.3. Interfaz (consola, editor, help. graph).

1.4. Vectores

1.5. Dataframes

1.6. Matrices, listas

Sesión 2
Estadística básica en R

 

2.1. Promedio

2.2. Varianza

2.3. Desviación estándar.

2.4 Distribución Normal

2.5 Intervalos de confianza

Sesión 3
Gráficos en R

 

3.1. Gráficos con R base.

3.2 Gráficos con ggplot

Sesión 4
Introducción a estadística descriptiva

 

4.1. Expresión diferencial – Teórico

4.2  Plataforma RNAseq -Teórico

4.3  Instalación de librerías en R: DESeq2

4.4  Análisis de expresión diferencial de genes en R

Sesión 5
ANOVA en R

5.1. Análisis de expresión diferencial, continuación.

5.2  ANOVA en R

5.3 Gráfica de resultados de ANOVA en R.

 

Facilitador

Mauricio Fernández

  • PhD. En Genómica Integrativa. Universidad Mayor. Santiago.
  • Biólogo. Pontificia Universidad Católica de Valparaíso.
  • Diplomado en Data Science Machine learning e inteligencia artificial. Pontificia Universidad Católica de Valparaíso. Santiago.
  • Postdoctorado – Cedars Sinai Medial Center. California.
  • Postdoctorado ICIM. Universidad del Desarrollo. Santiago.
  • Técnico en informática(s) – IPChile. Santiago.

¿Tienes alguna duda?