Microbioma 16S
Curso en vivo · 12 horas
MX$899.00
Agotado
¿Tienes secuencias de 16S o ITS y no sabes por dónde empezar? Este curso te lleva de la mano por el flujo completo de un proyecto de metabarcoding, desde los archivos crudos hasta las gráficas de diversidad que vas a poner en tu artículo o tu tesis.
Cada módulo avanza sobre el mismo proyecto, así que al terminar no tienes apuntes: tienes un análisis completo hecho por ti.
Qué vas a aprender
Empezamos por lo que casi nadie enseña y todos necesitan: preparar bien el proyecto. Organización de archivos, metadatos y estructura de trabajo que te evita perder días buscando qué muestra era cuál.
Después entras al control de calidad de tus lecturas: aprendes a leer los reportes, a reconocer cuándo una corrida está sana y cuándo hay algo raro antes de gastar tiempo en un análisis que no se sostiene. De ahí pasas al filtrado, donde decides con criterio propio dónde cortar, qué descartar y por qué.
Con los datos limpios llega la asignación taxonómica: quiénes están en tus muestras, contra qué base de referencia y qué tan lejos puedes llegar en el nivel taxonómico sin sobreinterpretar.
Luego construyes tu objeto phyloseq, el paso que integra tabla de abundancias, taxonomía y metadatos en una sola estructura. Ese objeto es el motor de todo el análisis en R y una vez que lo entiendes, el resto fluye.
La parte final es la que responde tus preguntas biológicas. Composición taxonómica para ver quién domina y quién es raro en cada condición. Alfa diversidad, en dos sesiones, para medir riqueza y equidad dentro de cada muestra y contrastarlas entre grupos. Y beta diversidad para comparar comunidades completas entre sí, con las ordenaciones y distancias que se usan de verdad en la literatura.
Qué te llevas
Un flujo de trabajo reproducible que puedes aplicar a tu propio proyecto, criterio para defender cada decisión del análisis frente a un comité o un revisor, y figuras listas para publicación.
MÓDULO 1. Preparación del proyecto
Qué es el metabarcoding y en qué se distingue de la metagenómica shotgun. Marcadores 16S, 18S e ITS, y qué región amplificó tu corrida. Estructura de carpetas del proyecto en RStudio y construcción de la tabla de metadatos: qué columnas necesitas, cómo nombrar las muestras y cómo dejar codificadas las variables con las que después vas a comparar grupos. Anatomía de los archivos FASTQ, lecturas pareadas R1 y R2, y ubicación de tus primers dentro de la secuencia.
MÓDULO 2. Control de calidad
Perfiles de calidad con plotQualityProfile y cómo leerlos: calidad por posición en R1 y R2, y por qué la reversa siempre cae antes. Verificar presencia de primers y adaptadores, revisar la profundidad por muestra y detectar muestras con muy pocas lecturas. De este diagnóstico salen los números que vas a usar en el siguiente paso.
MÓDULO 3. Filtrado de datos
Elegir truncLen para R1 y R2 sin perder el solapamiento que necesitas para unir las lecturas después. Remoción de primers, longitud mínima, y el número máximo de errores esperados, que sustituye al corte por calidad promedio. Ejecutar el filtrado y comparar cuántas lecturas sobreviven por muestra.
De lecturas filtradas a tabla de ASVs. Inferencia de variantes y qué es un ASV frente a un OTU, revisión de la distribución de longitudes y remoción de quimeras.
MÓDULO 5. Asignación taxonómica
Asignación taxonómica con el clasificador bayesiano, y asignación a especie por coincidencia exacta. Elección de la base de referencia según tu marcador: SILVA para 16S, UNITE para ITS, y en qué se diferencian entre sí.
MÓDULO 6. Creación del objeto phyloseq
Integrar en una sola estructura la tabla de ASVs, la tabla taxonómica y los metadatos con phyloseq. Explorar el objeto, filtrar taxones y muestras, agrupar por nivel taxonómico y hacer subconjuntos por variable experimental.
MÓDULO 7. Composición taxonómica
Normalización a abundancias relativas y por qué la tabla cruda no es comparable entre muestras. Gráficas de composición por filo, familia y género. Leer una gráfica de composición sin concluir de más: quién domina, quién es raro y qué diferencias son visibles entre condiciones.
MÓDULO 8. Alfa diversidad
Mide la diversidad dentro de una muestra. Riqueza observada, Shannon y Simpson y qué aporta cada índice. Curvas de rarefacción y qué te dicen sobre si muestreaste suficiente. Por qué la alfa diversidad se calcula sobre conteos crudos y no sobre abundancias relativas.
Comparar diversidad entre grupos experimentales. Verificación de supuestos y elección de la prueba adecuada: t de Student o Wilcoxon para dos grupos, ANOVA o Kruskal-Wallis para más. Comparaciones múltiples y corrección del valor de p.
MÓDULO 10. Beta diversidad
Mide la diversidad entre muestras. Distancias con distance: Jaccard y UniFrac no ponderado, que solo consideran presencia y ausencia, frente a Bray-Curtis y UniFrac ponderado, que pesan abundancia. PCoA y NMDS, y cómo leerlas sin ver patrones donde no los hay: varianza explicada.
- 12 horas de formación para el análisis de datos
- Scripts para cada módulo, listos para usar
- Archivos de datos biológicos reales para la práctica
- Proyecto integrador completo para aplicar todo lo aprendido
- Material y scripts descargables
-Grabación vigente por 3 meses
- Estudiantes y profesionales en biología, genética, biotecnología o bioinformática
- Investigadores y técnicos que quieren automatizar análisis biológicos
- Personas con base en biología sin conocimientos en programación
- Cualquier interesado en datos genómicos y análisis computacional
- Conocimientos básicos de biología
- Computadora con Windows, MacOS o Linux
- Conexión a internet para descarga de software y datos