CURSO BIOINFORMÁTICA APLICADA A LA BIODIVERSIDAD Y LA INDUSTRIA DEL SUR

Módulo 1: Fundamentos de bioinformática, Linux y programación para biología

Introduce el panorama general de la bioinformática en Chile y capacita en las herramientas computacionales básicas. Abarca el uso de la línea de comandos en Linux, automatización mediante bash scripting, programación en Python orientada al manejo de formatos biológicos (FASTA/FASTQ), y la gestión de entornos e instalación de software con Conda y Galaxy.

Módulo 2: Análisis de secuencias y bases de datos biológicas

Se enfoca en el manejo de repositorios públicos de información biológica (NCBI, UniProt, KEGG, SILVA, BOLD) y el uso de algoritmos para alineamientos por pares y múltiples (BLAST, MUSCLE, MAFFT). Incluye reconstrucción filogenética con IQ-TREE y la aplicación de estas técnicas en la identificación molecular de especies nativas de La Araucanía.

Módulo 3: Genómica: ensamblaje, anotación y análisis comparativo

Cubre el procesamiento de datos genómicos a partir de lecturas cortas y largas. Comprende desde el control de calidad preliminar hasta el ensamblaje de novo, la anotación genómica en procariotas y eucariotas (Prokka, AUGUSTUS), la caracterización pangenómica de microorganismos de interés regional y la inspección visual de ensamblajes con Artemis y Bandage.

Módulo 4: Metagenómica ambiental: diversidad y función microbiana

Trata el estudio de comunidades microbianas ambientales mediante secuenciación de amplicones (QIIME2/DADA2) y metagenómica shotgun (Kraken2, Bracken). Enseña a evaluar la composición taxonómica, perfilar el potencial funcional (PICRUSt2, HUMAnN3) y analizar casos prácticos aplicados a ecosistemas de La Araucanía (suelos volcánicos, turberas y ríos).

Módulo 5: Transcriptómica y análisis de expresión génica diferencial

Aborda el flujo de trabajo completo para experimentos de RNA-Seq. Incluye el alineamiento de lecturas contra genomas de referencia (HISAT2/STAR), la cuantificación y determinación de expresión diferencial (featureCounts, DESeq2/edgeR), y el análisis de enriquecimiento funcional (GO y KEGG), aplicando estos enfoques a la respuesta al estrés biótico en cultivos locales como papa y trigo.

Módulo 6: Visualización de datos biológicos y estadística

Capacita en la representación gráfica y el análisis estadístico de datos complejas. Enseña a construir paneles científicos con R (ggplot2) y Python (matplotlib/seaborn), modelar redes de coocurrencia microbiana (Cytoscape, igraph) y ejecutar análisis estadísticos multivariados para ecología (PCA, NMDS, PERMANOVA).

Módulo 7: Inteligencia artificial aplicada a biología molecular

Explora la integración de modelos de aprendizaje automático y deep learning en las ciencias biológicas. Contempla la predicción tridimensional de proteínas (AlphaFold2, ESMFold), el uso de modelos de lenguaje aplicados a secuencias de ADN (DNABERT, Nucleotide Transformer), la detección e identificación de patógenos, y la discusión sobre ética y sesgos en el área.

Módulo 8: Proyecto integrador — análisis de un caso regional real

Módulo práctico de aplicación donde los estudiantes planifican y ejecutan un flujo de trabajo bioinformático integral sobre un conjunto de datos real. Contempla el procesamiento desde datos crudos hasta la interpretación, culminando con la redacción de un informe en formato de artículo científico y una presentación oral ante un panel evaluador.