| Nombre | Sélem Mojica Nelly |
|---|---|
| Curso | Temas selectos de estadística II - 3 hrs/sem |
| Tema | Análisis estadistico de datos de microbioma |
| Objetivo | El curso tiene como objetivo proveer las bases biológicas, estadísticas, computacionales y de matemáticas aplicadas, para abordar problemas de análisis de datos y clasificación de grandes bases de datos que se originan en la ciencias genómicas. El curso está orientado para estudiantes de posgrados de cualquiera de estas cuatro áreas y busca fortalecer una visión multidisciplinaria de este tipo de problemas, al mismo tiempo que busca crear equipos multidisciplinarios que puedan participar en el congreso CAMDA de 2024 y su reto científico y big data de ese año. |
| Temario | Temario (32 sesiones) Bloque 1 Introducción a la metagenómica. (Descripcion de los datos: metagenomas y amplicones, índices de diversidad, redes?, reconstruccion de genomas: Bacteria, Archaeae, Virus y Euka, inferencia taxonomica y funcional con lecturas crudas, metatranscriptomas?) R Qué son los datos de microbioma Microbiomas urbanos Introducción al análisis estadístico alfa y beta diversidades de microbioma Redes de co-ocurrencia Bloque 2 Modelos estadísticos e inferencia Qué es una hipótesis y filosofía Estadística de prueba y p-valor Neyman-Pearson: región crítica y potencia Ejemplos: anova, t-tests, chi-square test. Análisis de comunidades (univariado y multivariado) Análisis de composición de datos de microbioma Tratando la sobre dispersión de los datos Tratando los datos sobre inflados en el cero Modelos conjuntos para medidas con repetición Métodos estadísticos para la identificación en estudios de microbioma Modelo logístico para estimar el sesgo en estudios de microbioma Bloque 3 Método Bayesiano Densidades y densidades condicionales, Probabilidad total, regla multiplicativa y Teorema de Bayes Paradigma bayesiano y un ejemplo MCMC: cálculo de la posterior Regresión Dirichlet-Multinomial para datos de microbioma Taxonomia operacional bayesiana Bloque 5 Machine learning para clasificación Python Análisis descriptivo de los datos Regresión y Clasificación: Regresión logística Aprendizaje supervisado y no supervisado Random Forest y Support Vector Machine Redes neuronales: Introducción a las redes neuronales, Perceptrón multicapas, Algoritmos de optimización, Redes convolucionales y Redes recurrentes. Bloque 6 Lectura de Artículos y problemas actuales Lectura de artículos ganadores de reto forense de 2016-2023 Presentación de problemas actuales de microbiomas con invitados Microbiomas de Mar Mirna Vazquez Microbiomas Agave Laila Partida |
| Bibliografía | BIBLIOGRAFÍA BÁSICA Libros Yinglin Xia · Jun Sun · Ding-Geng Chen.Statistical Analysis of Microbiome Data with R. ICSA Book Series in Statistics Zhong Wang Introduction to Computational Metagenomics. https://doi.org/10.1142/12425 DOE Joint Genome Institute, USA & Lawrence Berkeley National Lab, USA. Somnath Datta, Subharup Guha Statistical Analysis of Microbiome Data. Springer Nature Switzerland AG 2021. https://doi.org/10.1007/978-3-030-73351-3 Artículos Albert Barberán, Scott T Bates, Emilio O Casamayor & Noah Fierer Using network analysis to explore co-occurrence patterns in soil microbial communities ISME 2011 . Calle M Luz. Statistical analysis of metagenomics data. Genomics and Bioinformatics 2019 . Amy Y.Pan Statistical analysis of microbiome data: The challenge of sparsity. Endocrine and Metabolic Research. 2021 Assessment of urban microbiome assemblies with the help of targeted in silico gold standards Samuel M. Gerner, Thomas Rattei & Alexandra B. Graf Unraveling City-Specific Microbial Signatures and Identifying Sample Origins for the Data From CAMDA 2020 Metagenomic Geolocation Challenge Runzhi Zhang, Dorothy Ellis, Alejandro R. Walker Susmita Datta Identification of city specific important bacterial signature for the MetaSUB CAMDA challenge microbiome data Alejandro R. Walker & Susmita Datta Origin Sample Prediction and Spatial Modeling of Antimicrobial Resistance in Metagenomic Sequencing Data Maya Zhelyazkova, Roumyana Yordanova, Iliyan Mihaylov, Stefan Kirov, Stefan Tsonev, David Danko, Christopher Mason, Dimitar Vassilev A global metagenomic map of urban microbiomes and antimicrobial resistance " David Danko, Daniela Bezdan, Evan E. Afshin, Sibo Zhu, Christopher E. Mason " |
| Requisitos | A los alumnos del CCM se les recomienda el curso de estadística del Dr Eugenio Balanzario Hay que saber lo mínimo de python y r, o bien consultar los cursos https://carpentries-incubator.github.io/metagenomics-workshop/ para R Que de cualquier manera impartirá el Dr Shaday en el CCM y puede tomarse virtualmente las lecciones que se necesiten lo mínimo de Python lo pueden encontrar aquí https://swcarpentry.github.io/python-novice-gapminder/ Por favor escriban si tienen dudas sobre si cumplen los requerimientos. |
| Comentarios | Este curso comenzará virtual, el 15 de Enero y terminará el 28 de mayo, para que puedan tomarlo tb estudiantes de CINVESTAV y CIMAT. La participación de estudiantes provenientes de varias formaciones enriquecerá las discusiones. |
| Registro | 2023-11-16 |