• ES Español
• EN English

3.15. Bioquímica y Biología Molecular (BMB)

La Bioquímica y Biología Molecular explora los procesos químicos dentro de los organismos vivos a nivel molecular. Este subconjunto orientado a la computación enfatiza la estructura biomolecular, la cinética enzimática, la genética molecular y los métodos de bioinformática directamente relevantes para la predicción de estructura de proteínas, AlphaFold, el análisis de secuencias, la genómica y las aplicaciones de IA en biología.

Área de Conocimiento (KA)	CS Core	KA Core
3.15.1 Estructura y Función de las Biomoléculas	Electivo
3.15.2 Genética Molecular y Enzimología	Electivo
3.15.3 Bioinformática y Biología Computacional	Electivo

3.15.1. BMB/Estructura y Función de las Biomoléculas ↑ Volver arriba

Arquitectura química y roles biológicos de aminoácidos, proteínas y ácidos nucleicos, con énfasis en el plegamiento de proteínas y la predicción de estructura tridimensional relevante para AlphaFold y la bioinformática estructural.
Temas:
Core

• Aminoácidos: propiedades químicas, quiralidad, clases de cadenas laterales y formación del enlace peptídico
• Jerarquía de la estructura proteica: niveles primario, secundario, terciario y cuaternario y las fuerzas estabilizadoras
• Problema del plegamiento de proteínas, perspectiva del paisaje energético, mal plegamiento y relevancia para AlphaFold
• Estructura de ADN y ARN: reglas de apareamiento de bases, geometría de la doble hélice y motivos de estructura secundaria
• Banco de Datos de Proteínas (PDB) y bases de datos estructurales como fuentes de datos para cadenas de bioinformática

Aprendizaje esperado (Learning Outcomes):
Core:

1. Describir las propiedades químicas de los aminoácidos y nucleótidos como bloques de construcción de proteínas y ácidos nucleicos [Familiarizarse]
2. Analizar estructuras de proteínas a partir de archivos PDB, identificando elementos de estructura secundaria, sitios activos y residuos funcionales clave [Usar]
3. Evaluar métodos de predicción de estructura de proteínas incluyendo enfoques basados en energía y herramientas de aprendizaje profundo como AlphaFold [Evaluar]

3.15.2. BMB/Genética Molecular y Enzimología ↑ Volver arriba

Mecanismos del flujo de información genética, cinética enzimática y regulación genética que proporcionan las bases moleculares para la genómica, la transcriptómica y la biología de sistemas en computación.
Temas:
Core

• El dogma central de la biología molecular: mecanismos de replicación, transcripción y traducción
• Cinética enzimática de Michaelis-Menten: Km, Vmax, número de recambio y modos de inhibición
• Regulación genética: factores de transcripción, operones, mecanismos epigenéticos y motivos de redes regulatorias
• Técnicas de ADN recombinante: PCR, CRISPR-Cas9 y sistemas de expresión génica usados en biotecnología
• Tecnologías ómicas de alto rendimiento: generación de datos de genómica, transcriptómica, proteómica y metabolómica

Aprendizaje esperado (Learning Outcomes):
Core:

1. Describir el dogma central de la biología molecular e identificar excepciones conocidas como la transcripción inversa y la edición de ARN [Familiarizarse]
2. Analizar datos cinéticos enzimáticos usando Michaelis-Menten y gráficas de Lineweaver-Burk para determinar Km y Vmax [Usar]
3. Interpretar conjuntos de datos ómicos para identificar genes o vías biológicas diferencialmente expresados o enriquecidos en una condición dada [Evaluar]

3.15.3. BMB/Bioinformática y Biología Computacional ↑ Volver arriba

Métodos computacionales para el análisis de secuencias biológicas, estructuras y datos a escala genómica, directamente relevantes para el alineamiento de secuencias, el modelado por homología, la bioinformática estructural y las aplicaciones de IA en biología.
Temas:
Core

• Algoritmos de alineamiento de secuencias: Needleman-Wunsch (global), Smith-Waterman (local) y BLAST para búsqueda en bases de datos
• Construcción de árboles filogenéticos, medidas de distancia evolutiva y alineamiento múltiple de secuencias
• Modelado comparativo por homología y predicción de estructura de proteínas basada en plantillas
• Bioinformática estructural: acoplamiento molecular, métricas de comparación de estructuras (RMSD, puntuación TM) y predicción de sitios de unión
• Análisis de datos a escala genómica: llamado de variantes, expresión diferencial de RNA-seq y enriquecimiento de vías
• Aprendizaje automático en bioinformática: predicción de función proteica, interacción fármaco-diana y análisis de datos de célula única

Aprendizaje esperado (Learning Outcomes):
Core:

1. Explicar las diferencias algorítmicas entre el alineamiento de secuencias global y local e identificar los casos de uso apropiados para cada uno [Familiarizarse]
2. Realizar búsquedas en bases de datos de secuencias usando BLAST e interpretar los resultados en términos de homología, valores e y conservación evolutiva [Usar]
3. Evaluar la precisión de las predicciones computacionales de estructura de proteínas usando métricas estándar como GDT-TS y puntuación TM [Evaluar]