La Escuela de capacitación METHADA 2020 - Manejo de metadatos transcriptómicos y Análisis de datos, se está organizando en nuestro instituto y se llevará a cabo el 5, 6 y 7 de febrero. José Tomás Matus es el organizador del evento y también uno de los ponentes.
El auge de las últimas tecnologías que combinan física, óptica, química y su aplicación a la biología molecular ha llevado a experimentos de alto rendimiento, produciendo una explosión de datos disponibles públicamente. Estos datos van desde la secuenciación de próxima generación (NGS) hasta transcriptómica, fenómica, metabolómica y datos de células individuales a gran escala.
En el caso de la transcriptómica, que genera hasta la fecha la mayor cantidad de datos en comparación con otros ómicos, los protocolos para el envío de datos no están completamente estandarizados para los datos de la vid y no están controlados por la comunidad de investigación. Los conjuntos de datos de expresión génica públicos disponibles tienen un verdadero potencial oculto a la luz del reanálisis e integración de datos. En línea con los principios FAIR (Finible, Accesible, Interoperable, Reutilizable), nuestro próximo desafío como comunidad se basa en la muestra correcta y las anotaciones experimentales, utilizando vocabularios controlados para garantizar tanto la legibilidad humana como la trazabilidad computacional.
Este curso de capacitación aborda el manejo y análisis de datos de transcriptómica, y está organizada en dos módulos. En la primera unidad, los alumnos trabajarán para aprender a anotar correctamente los experimentos y manejar metadatos para explotar estándares y bio-ontologías para la anotación de datos. En segundo lugar, los asistentes recibirán capacitación en un conjunto reducido de habilidades fundamentales para analizar y explorar conjuntos de datos transcriptómicos, incluidos los recursos disponibles gratuitamente para la comunidad de la vid. Todos los alumnos aprenderán sobre cómo usar Jupyter Notebook, una aplicación web independiente de lenguaje de código abierto (admite más de 40 lenguajes de programación, incluidos Python y R) que permite una amplia gama de flujos de trabajo en ciencia de datos y computación científica sin agobiar a los usuarios con tareas de instalación y mantenimiento.
