Enseñanza de la Bioinformatica y la Biologia Computacional

Presentación del tema: "Enseñanza de la Bioinformatica y la Biologia Computacional"— Transcripción de la presentación:

1 Enseñanza de la Bioinformatica y la Biologia Computacional
Para una vision Integral de la Biologia Blgo. Roberto Pineda

2 Biología, Informática y Computación

3 Cibernetica y TGS Wiener Bertalanffy

4 Sistemas Conway: Juego de la Vida Biomorfos: Richard Dawkins
Biomorfos: Richard Dawkins Autopoiesis: Maturana Kauffman: redes boleanas

5 Disciplinaridad Multidisciplinariedad Interdisciplinariedad
Transdisciplinariedad

6 Biomimetica Educación: Piaget Memética: Dawkins Algoritmos Genéticos
Redes Neurales

7 NO ES BIOINFORMATICA Algoritmos Geneticos Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados. Redes Neuronales La clase de problemas que mejor se resuelven con las redes neuronales son los mismos que el ser humano resuelve mejor: Asociación, evaluación, y reconocimiento de patrones. Las redes neuronales son perfectas para problemas que son muy difíciles de calcular pero que no requieren de respuestas perfectas, sólo respuestas rápidas y buenas. Tal y como acontece con el escenario bursátil en el que se quiere saber ¿compro?, ¿vendo?, ¿mantengo?, o en el reconocimiento cuando se desea saber ¿se parece? ¿es el mismo pero tienen una ligera modificación? Un Algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico.

8 Matrimonio: Biología e Informática
historia

9 1600 S.XVII La Pascalina Pascal Leibniz La Calculadora Universal

10 1700 S.XVIII Lamarck Linneo

11 1800 S.XIX Mendel Darwin

12 1950 S.XX ENIAC Mauchly y Eckert V. Neumann y la EDVAC

13 Rosalind Franklin y la difracción
1950 S.XX Rosalind Franklin y la difracción De rayos X Watson y Crick

14 1969

15 Gran capacidad de cómputo
Supercomputadora Cluster de computadoras Ya tenemos la posibilidad de simular sistemas bien complejos.

16

17 Bases de Datos Biodiversidad Moleculares: Secuencias Estructuras
Redes y Ontologias

18 Alineamiento de Secuencias
Secuenciamiento Shot Gun Algoritmo Smith-Waterman Matrices PAM, (Point Accepted Mutation) Evolución de Secuencias y Proteínas

19 M&M

20 BioNetworks

21 Sistemas Dinamicos Complejos
03/01/2018 Sistemas Dinamicos Complejos Equilibrio Caos EQUILIBRIO CAOS Alejado del Equilibrio Al Borde del Caos ESTRUCTURA DISIPATIVA

22 Modelado Basado en Agentes

23