1-Introducción al modelado. Principios generales. Elementos de un modelo.

Tipos de modelos.

2-Modelización de procesos bioquímicos. Ley de acción de masas. Modelos enzimáticos.

3-Modelización de redes metabólicas. Análisis de control metabólico: coeficientes de control de flujo y elasticidad de reacciones metabólicas. Estrategias de inhibición por producto. Análisis del espacio de fases. Nullclidinas, puntos estacionarios y estabilidad de puntos estacionarios.

4-Modelos de transducción de señales. Ejemplos: modelización con proteína G, quimiotáxis de e-Coli, apoptosis (sistema biestable), modelización por oscilación de niveles de Ca²⁺, filtros de paso alto y bajo.

5-Redes de regulación de la expresión genética, modelos de regulación por lac-operon, “switch” genéticos naturales y sintéticos, oscilador Goldwin y repressilator.

6-Modelos estocásticos. Método de Monte-Carlo de Gillespie; Cadena de Markov, proceso de Markov y proceso de Wiener. Dinámicas de Langevin.

7-Modelos de crecimiento microbiano. Estructuración y segregación de modelos. Modelo de Monod y alternativas. Modelos compartimentados. Modelos cibernéticos. Modelos segmentados.

8-Dinámica molecular. Campos de fuerza y parametrización. Simulaciones por modelización molecular. Simulaciónes quasi-ergódicas: “umbrela sampling”, transformaciones alquémicas, metadinámicas, “string methods” y “Replica Exchange”.

9-Modelos de aprendizaje. Tipos de aprendizaje de máquina. Pre-procesado de datos. Métricas y problemas de overfitting y underfitting. Algoritmos de aprendizaje de máquina.

10- Aprendizaje profundo. Redes neuronales. Entrenamiento de redes neuronales. Redes neuronales densas, convolucionadas y recurrentes. Mecanismo de self-attention. Redes generativas. Redes neuronales con grafos. Aplicaciones en Alpha-fold.

Se recomienda haber superado las siguientes materias: Cálculo y Métodos Numéricos, Bioinformática, Biorreactores, Química e Ingeniería de Proteínas, antes de cursar la asignatura.

Se hará uso también de herramientas informáticas, pero no se requiere de experiencia por parte del alumno. El profesor se compromete a adaptar los contenidos a las herramientas informáticas con la que los alumnos estén más familiarizados o les resulte menos costoso adaptarse.  

Al margen de mantener el horario establecido por la facultad de biología, el profesor muestra su disponibilidad a, adicionalmente y en la medida en que le sea compatible, repetir clases en el horario que resulte más atractivo a los alumnos.

Brian P. Ingalls, Mathematical Modeling in Systems Biology: An Introduction (The MIT Press) 1st Edition.

Edda Klipp, Wolfram Liebermeister, Christoph Wierling, Axel Kowald, Hans Lehrach, and Ralf Herwig, Systems Biology: a textbook, Wiley-VCH, ISBN: 978-3-527-31874-2

Andrew Leach, Molecular Modelling: Principles and Applications, Pearson, 2nd Edition.

Aurélien Géron, Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O’Reilly, 3rd Edition.

Bharath Ramsundar, Peter Eastman, Patrick Walters, Vijay Pande, Deep Learning for the Life Sciences, Applying Deep Learning to Genomics, Microscopy, Drug Discovery and More, O’Reilly, 3rd Edition.

John Villadsen, Jens Nielsen, Gunnar Lidén, Bioreaction Engineering Principles, Springer, 3rd Edition

Scott Fogler, Elements of Chemical Reaction Engineering (International Series in the Physical and Chemical Engineering Sciences) 6th Edition

8.1: Criterios de evaluación:

Pruebas de evaluación escrita: entre un 50% y un 40%

Elaboración y exposición de trabajos científicos y ejercicios: entre un 50% y un 40%

Asistencia y participación en actividades presenciales: entre un 10% y un 20%

Si fuera precisa la recuperación, se realizará solo una prueba escrita que contará el 100% si el alumno tiene suspensa la evaluación contínua.

8.2: Sistemas de evaluación:

Exámenes, trabajos y entregas en el Moodle de la asignatura.

8.3: Consideraciones generales y recomendaciones para la evaluación y la recuperación:

Se recomienda llevar al día la asignatura, solicitar tutorías al profesor para resolver dudas, y realizar los ejercicios propuestos.