BioPlayground

WetBench DryBench DevBench

Navegador de aprendizaje

WetBench

Plataforma

💬Lounge Talk

🔧Lab Maintenance

Tres Bench

WetBench DryBench DevBench

Rutas y documentos

Historias de BioKnowledge3

Bioestadística28

Bioinformática120

101El alfabeto del ADN y el dogma central: la gramática para ser objeto de cálculo 102Comparativa de las tecnologías de secuenciación de tercera generación: qué tipo de secuencias generan Sanger, NGS y las lecturas de secuencia larga.103Distancia de Hamming y mutaciones puntuales: las matemáticas de la distancia evolutiva comienzan aquí 104Proporción GC y discriminación de especies: la estadística de las cuatro letras del alfabeto distingue entre especies 105Secuencias complementarias inversas y direccionalidad: ¿por qué calcular también la cadena opuesta?106Alineamiento global de DP: Derivación de la fórmula de Needleman-Wunsch e implementación en Python con 20 líneas 107Alineamiento local DP: El instante en que Smith-Waterman recorta los negativos en la cuadrícula 108Penalización de brechas afín y Hirschberg: alineación evolutivamente honesta, espacio lineal 109BLOSUM y PAM: las puntuaciones de alineación se derivan de la probabilidad evolutiva 110Algoritmo BLAST: atraviesa la escala del genoma mediante semillas heurísticas y expansión 111Estadística del valor E de BLAST: Convierte alineamientos en probabilidades con la distribución de valores extremos de Gumbel 112Creación de un servidor de base de datos BLAST local: Configuración práctica con tus propias secuencias.113Árboles de sufijos y arreglos de sufijos: estructuras geométricas de datos para la búsqueda en cadenas 114Transformada de Burrows-Wheeler: El punto donde convergen las estructuras de datos para compresión y búsqueda 115Índice FM y coincidencia de patrones ultrarrápida: la base de BWA y Bowtie2.116minimap2 y minimizadores: índices de alineación para lecturas largas.117Búsqueda ultrarrápida de diamantes y proteínas: un rediseño que supera a BLAST entre 100 y 10.000 veces.118Fundamentos de HMM y el algoritmo de Viterbi: programación dinámica para encontrar estados ocultos en secuencias 119HMM Forward-Backward: cálculo de la probabilidad de cada estado en cada instante mediante programación dinámica bidireccional 120Baum-Welch EM: algoritmo iterativo que aprende automáticamente los parámetros de un HMM únicamente a partir de las observaciones 121HMM de perfil y búsqueda de genes: Ampliar los HMM para la detección práctica de dominios y genes 122Ensamblaje OLC: Reconstrucción del genoma mediante gráficos de superposición y caminos hamiltonianos.123Grafo de De Bruijn y camino euleriano: la elegancia del tiempo polinomial en el ensamblaje de lecturas cortas 124hifiasm: Ensamblaje de genomas diploides con lecturas PacBio HiFi 125Alineación múltiple de secuencias: principios y aplicación práctica del alineamiento progresivo en ClustalW y MAFFT.126Basado en distancias filogenéticas: Derivación manual e implementación en Python de los algoritmos NJ y UPGMA 127Árbol filogenético por parsimonia: algoritmos de número mínimo de cambios de Fitch y Sankoff 128Filogenia mediante el método de máxima verosimilitud: modelos estadísticos y optimización numérica en IQ-TREE y RAxML.129Teoría de la Coalescencia: Una perspectiva de retroceso en el tiempo desde la genética de poblaciones 130Modelo de Wright-Fisher y evolución neutral: procesos estocásticos generacionales y simulación en R.201Formato FASTQ y puntuaciones de calidad: intuición práctica sobre la codificación Phred33/64 202FastQC y recorte de adaptadores: ordenar la entrada del flujo de trabajo con fastp y Trim Galore 203BWA-MEM en la práctica: Etiquetado SAM/BAM y orquestación de alineaciones multimuestra 204STAR y HISAT2: La necesidad del alineamiento con splicing y las reglas de selección entre ambos algoritmos 205samtools en la práctica: Flujo de BAM/CRAM · vista · ordenación · indexación · intuición sobre la compresión CRAM 206Resumen de las Buenas Prácticas de GATK4: Mapa de la canalización de 6 pasos desde FASTQ hasta VCF 207¿Cómo determina GATK MarkDuplicates las duplicaciones por PCR y por qué solo las marca?208BQSR: Derivación estadística y práctica de la recalibración de puntuaciones Phred 209HaplotypeCaller: ensamblaje local y llamada de variantes germinales mediante análisis bayesiano 210Mutect2 y Panel de Normales: ¿Cómo extraer variantes tumorales de bajo VAF?211VQSR y filtrado duro: si hay más de 30 individuos, usar VQSR; de lo contrario, aplicar filtrado duro.212DeepVariant: ¿Por qué DeepVariant convierte las imágenes de acumulación (pileup) para llamar variantes?213Alternativas a Strelka2 y FreeBayes para la llamada de variantes: elige tu herramienta según los resultados del benchmark 214Detección de variantes estructurales: tres enfoques distintos de Manta, Delly y GRIDSS 215Análisis de CNV: Cómo detectar anomalías en el número de copias mediante la profundidad de lectura y sus trampas 216Determinación de haplotipos e imputación: ¿Cómo completan los datos faltantes Beagle y Minimac?217Salmon y kallisto: principios y práctica del pseudoalineamiento que omite el alineamiento 218RSEM, featureCounts, HTSeq: tres enfoques para el conteo tras el alineamiento convencional.219Explorando el transcriptoma del cáncer de mama con DESeq2: desde la distribución binomial negativa hasta el diagrama de dispersión.220edgeR y limma-voom: una alternativa a DESeq2 y por qué se aplica el método empírico de Bayes tres veces.221GSEA y fgsea: Cómo demostrar que no es un solo gen, sino toda una vía metabólica la que está cambiando.222Ensamblaje de microorganismos sin un genoma de referencia utilizando SPAdes: aplicación práctica del grafo multi-k de De Bruijn.223Ensamblaje híbrido con Unicycler: combina la precisión de las lecturas cortas con la cobertura de las lecturas largas.224Kraken2 y MetaPhlAn: Identificar y cuantificar la presencia de diferentes especies microbianas en una muestra que contiene cientos de especies mezcladas.225QIIME2: Análisis del microbioma 16S y cómo hacer que los datos recuerden «lo que hice»226Introducción al RNA-seq de células individuales: por qué se secuencian las células una a una y cómo es el formato AnnData 227Control de calidad de células individuales: criterios estadísticos para filtrar células moribundas y células binucleadas 228Normalización y selección de genes altamente variables: reducción de 30 000 genes a los 2000 genes con señal significativa.229Reducción de dimensionalidad: ¿Qué conserva y qué descarta cada uno de PCA, t-SNE y UMAP?230Clustering de Leiden y genes marcadores: cómo asignar nombres a los grupos de células.231Corrección de lotes: cuando las células se agrupan por la fecha del experimento en lugar de por características biológicas (Harmony · scVI)232Estimación de trayectorias y pseudotiempo: Reconstruir la trayectoria temporal de las células a partir de una única muestra (PAGA·Monocle3)233Velocidad del ARN: representación de la dinámica celular mediante flechas en imágenes de células.234Reconstrucción de la red de comunicación intercelular: Lectura de las interacciones ligando-receptor mediante CellChat y CellPhoneDB.235Las tres generaciones de tecnologías de transcriptómica espacial: Visium, Xenium y MERFISH para la lectura de genes sobre tejidos.236Análisis de estadística espacial: análisis de las relaciones de vecindad y los patrones espaciales de las células mediante Squidpy y Giotto.237Desconvolución de celdas espaciales: identificación de células individuales en puntos mediante Tangram y cell2location.238ChIP-seq y detección de picos con MACS: identificando la unión de modificaciones de histonas y factores de transcripción.239ATAC-seq: Lectura del perfil completo de la accesibilidad de la cromatina sin necesidad de anticuerpos.240Hi-C y la estructura tridimensional del genoma: interpretación de TAD, bucles y compartimentos a partir de matrices de contacto.241Secuenciación por bisulfito: Descifrando la memoria química de la metilación del ADN.242PLINK2 y el modelo lineal mixto (LMM): eliminando la ilusión de la estructura poblacional en los estudios de asociación del genoma completo (GWAS)243REGENIE y SAIGE: Análisis de asociación del genoma completo (GWAS) ultrarrápido a gran escala que procesa 500.000 participantes del UK Biobank 244Mapeo fino: Encontrar las variantes causales reales con SuSiE y CAVIAR 245Mapeo de eQTL: puntos en los que las variantes genéticas modifican la expresión y su especificidad tisular.246Fundamentos de la genética de poblaciones: equilibrio de Hardy-Weinberg y estimación de la ascendencia mediante ADMIXTURE.247Determinación del tipo HLA e imputación: Lectura de la región más polimórfica en el genoma humano 248Grandes variaciones cromosómicas: identificación de translocaciones, inversiones y CNV mediante el análisis de patrones de alineamiento de lecturas.249Aleatorización mendeliana: Utilizar variantes genéticas como un ensayo de asignación aleatoria natural 250Puntuación de riesgo poligénico (PRS): reducción de decenas de miles de efectos individuales a un único valor.301Historia de la predicción de estructuras proteicas: desde la paradoja de Levinthal hasta Rosetta y AlphaFold 302AlphaFold2 ha resuelto un enigma de 50 años: MSA, Evoformer y Triangle Attention 303AlphaFold3: Predicción de estructuras mejorada con Pairformer y difusión.304ColabFold + MMseqs2 en la práctica: por qué ahora es posible realizar predicciones de estructuras con una GPU T4 gratuita.305AlphaFold-Multimer: Principios de la predicción de la estructura de complejos proteicos (multímeros)306ESMFold: Cómo predecir la estructura a partir de una sola secuencia sin MSA 307Boltz-2: Predicción simultánea de la estructura y la afinidad de unión.308RoseTTAFold2 · OpenFold · DiffDock: El ecosistema abierto fuera de AlphaFold 309Práctica de acoplamiento molecular: análisis de las funciones de puntuación de AutoDock Vina, Glide y Rosetta.310Introducción a la dinámica molecular: observando el movimiento de proteínas con GROMACS y OpenMM 311Guía práctica de las incrustaciones ESM-2: cómo predecir los efectos de las mutaciones con un enfoque zero-shot.312ESM3: Cómo moverse entre secuencia, estructura y función dentro de un solo modelo 313ProtT5·ProGen2: Cómo distinguir el aprendizaje de representaciones de la generación de secuencias de proteínas 314Predicción del efecto de las mutaciones: Por qué no se deben comparar las puntuaciones de ESM/AlphaMissense con las de ProteinMPNN 315Diseño de novo de proteínas: Creación de proteínas inexistentes con RFdiffusion + ProteinMPNN 316DNABERT: El primer modelo de lenguaje que comenzó a leer el ADN como si fueran oraciones 317Nucleotide Transformer: representación de ADN pan-especie entrenada con 850 genomas.318HyenaDNA · Enformer: Superando el segundo cuello de botella de la atención para procesar secuencias de 100 000 pares de bases.319Evo 1 frente a Evo 2: Un modelo de fundación genómica que abarca 1 millón de pares de bases en un solo contexto 320Práctica de Evo 2: Estimar variantes de BRCA1 en modo zero-shot sin experimentos 321scGPT: Un modelo de fundación de células individuales que lee una célula como una "oración"322Geneformer: Aprender el contexto de los genes mediante rangos en lugar de valores de expresión.323UCE: Colocar las células en un sistema de coordenadas común sin importar el tipo de célula 324Ajuste fino de modelos base: Manejar decenas de miles de millones de parámetros con LoRA en la GPU del laboratorio 325Tour del Hub de Modelos Bio de HuggingFace: Agrupar F01 a F24 con un solo mapa práctico 426Si esperaste 30 minutos a que el solucionador de Conda terminara, lee este artículo: cómo Pixi, uv y Mamba están cambiando la gestión práctica del entorno.427Snakemake: Inferir el orden del pipeline solo con los nombres de archivo 428Nextflow DSL2: Diseñar el flujo de datos en sí, no los archivos 429Tour de nf-core: Por qué no es necesario crear un pipeline desde cero 430Docker y Apptainer: Eliminar radicalmente el "en mi computadora funciona"431HPC·Slurm: organizar cientos de trabajos y darse cuenta de que el verdadero cuello de botella era la E/S 432PanVariants y grafos de pangenoma: recuperando las variantes que el genoma de referencia lineal pasaba por alto 433La era en la que los agentes de IA se encargan de la bioinformática: scBaseCount y Evo Designer.434¿Qué pasaría si desaparecieran los algoritmos de ordenación? — La búsqueda genómica redefinida por los modelos fundacionales.435Aprendizaje federado: permite analizar los datos genómicos de varios hospitales de forma conjunta, sin necesidad de transferir los datos.501Guía para completar el programa Rosalind: Cómo utilizar correctamente la plataforma que usaste en el módulo M06.502usegalaxy.eu: Ejecuta flujos de trabajo en una infraestructura pública gratuita sin escribir una sola línea de código.503Herramienta que explica el significado de cada línea de un archivo VCF: anotación de variantes con Ensembl VEP 504TCGA·GTEx·cBioPortal·GEPIA2: cuándo y en qué orden utilizar estas cuatro herramientas 505Inicio de un estudio de asociación del genoma completo (GWAS) sin aprobación previa: aplicación práctica del resumen estadístico del Pan-UK Biobank.

Conceptos de BioKnowledge29

Serie de los Premios Nobel125

Inicio de BioPlayground