R y Estadística para Ciencias Biológicas
Curso en vivo · 15 horas con ejercicios reales
MX$899.00
Analiza tus propios datos. Sin depender de nadie.
De un CSV crudo a un PCA, un heatmap y la prueba estadística correcta — en R.
Un curso práctico para biólogos y tesistas que están cansados de mandar sus datos a que "alguien más los corra".
El punto de partida
Sabes que tus resultados valen. El problema es traducirlos:
- El asesor pide "el boxplot con la significancia" y terminas rehaciéndolo tres veces.
- Corriste un t-test sin estar segura de que era el correcto para esos datos.
- Comparaste decenas de variables y la palabra "FDR" quedó dando vueltas.
- Cada figura del paper depende de que otra persona tenga tiempo.
Lo que sales sabiendo hacer
- Cargar, limpiar y transformar datasets biológicos con dplyr.
- Explorar cualquier tabla en minutos y describirla bien (tendencia central, dispersión, distribución).
- Elegir la prueba adecuada según tus datos — normalidad, t-test, Wilcoxon, ANOVA, Pearson/Spearman — y saber por qué.
- Corregir por comparaciones múltiples (FDR) sin que sea magia negra.
- Producir figuras de nivel publicación: boxplots, violines, regresión, PCA, heatmaps, correlogramas, bubble plots.
Cada tema es una decisión o una figura que vas a usar en tu tesis o tu artículo.
Módulo 1. Primeros pasos en R
Instalación, entorno RStudio, tipos de datos (vectores, factores, data frames)
Importar/exportar datos biológicos (CSV, Excel), estructura de un dataset
Funciones básicas de exploración (str, summary, head)
Módulo 2. Del dato crudo al primer vistazo
Medidas de tendencia central y dispersión (media, mediana, DE, rango)
Manipulación de datos con dplyr (filter, select, mutate, group_by)
Histogramas: ¿cómo se distribuyen mis datos?
Módulo 3. Comparando y relacionando variables
Boxplots y Violin: la gráfica que todo revisor de artículos quiere ver
Dispersión y regresión lineal: ¿una variable predice a la otra?
Evaluación visual de normalidad (Q-Q plot, densidad)
Personalización de gráficos (colores, temas, facetas)
Módulo 4. El 90% de las personas usan mal el p-value
Pruebas de normalidad y elección de la prueba correcta
p-value explicado sin fórmulas: t-test, Wilcoxon, ANOVA
Correlación de Pearson/Spearman y correlogramas
El problema de comparar muchas variables: p-value ajustado (FDR)
Módulo 5. De tus datos a una figura de publicación
Heatmap: visualizando patrones de expresión/abundancia
PCA: ¿qué tan distintas son mis muestras o grupos?
Bubble plot
Extra: recursos para seguir aprendiendo + tu figura para portafolio
- 12 horas de formación para el análisis de datos estadísticos
- 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 molecular sin conocimientos en programación
- Cualquier interesado en datos genómicos y análisis computacional
- Conocimientos básicos de biología molecular (ADN, ARN, proteínas)
- Computadora con Windows, MacOS o Linux
- Conexión a internet para descarga de software y datos