Aprenderás a utilizar herramientas de bioinformática para el análisis de datos y el mejoramiento de procesos biotecnológicos adquiriendo habilidades prácticas como el diseño de drogas, la predicción estructural de proteínas y el análisis de perfiles complejos de expresión génica.
Se explorarán las últimas tendencias en Medicina de Precisión entendiendo cómo las Ciencias de Datos están impulsando tratamientos personalizados basados en información genómica. Además, conocerás cómo la Inteligencia Artificial, el Deep Learning y la Generative AI están transformando la investigación biológica, abriendo nuevas fronteras de posibilidades y desafíos éticos.

Módulo 1

La biología en la era de datos. Cuáles son los acercamientos informáticos, químicos, físicos y biológicos para tener un laboratorio virtual. La organización de la biología en base de datos:
De la agronomía a la oncología. Comprensión de las bases de datos biológicas, cómo acceder y qué tipos de datos hay. De la secuencia a la estructura: Del laboratorio a la virtualidad. Metodologías de modelado e inteligencia artificial para el manejo de la información funcional de las proteínas.

Módulo 2

La medicina del futuro y el impacto de la IA. Desarrollo de drogas en la era del Big Data. Cómo las nuevas tecnologías están cambiando el desarrollo de drogas y sus implicancias en la industria. Del genoma a los datos: Aplicaciones en medicina humana. Cómo obtener los datos genómicos en el laboratorio, que técnicas hay y cómo manejarlos. Medicina personalizada: De la longevidad a la nutrigenómica. Acercamiento a los algoritmos y metodologías que nos permiten estimar el riesgo, determinar rasgos y predecir medicamentos.

Módulo 3:

La célula en el diseño industrial y sus implicancias. La célula virtual en la biotecnología. Como la inteligencia artificial y la bioinformática permiten comprender los caminos metabólicos y regulatorios en una célula. Bioética en la era de los datos. Cuáles son los desafíos de la bioética en la época de datos. Aplicaciones
industriales en las ciencias de datos: Desafíos en casos modelos. Discusión sobre desafíos y aplicaciones con empresarios que han desarrollados soluciones.