La obtención de datos con resolución unicelular está revolucionando los campos de la genómica, transcriptómica y proteómica. Las tecnologías para obtener información con resolución unicelular están evolucionando rápidamente y están siendo introducidas a México en años recientes, sin embargo aún existen pocos especialistas en su análisis.

En este curso proponemos introducir a los alumnos a la tecnologías ómicas con resolución unicelular y con resolución espacial.

El curso constará de sesiones teóricas y sesiones prácticas, o de workshop, donde los alumnos utilizarán datos reales para llevar a cabo practicas computacionales, donde ellos mismos procesarán y analizarán datos desde cero.

TEMARIO

28 ENERO (3 h)
DR. ALFREDO RODRÍGUEZ GÓMEZ
Introducción a célula como objeto de estudio.

04 FEBRERO (3 h)
DR. JULIÁN VALDÉS RODRÍGUEZ
Las ciencias ómicas
Genómica
Transcriptómica
Epigenómica

11 FEBRERO (3 h)
DR. JULIÁN VALDÉS RODRÍGUEZ
Las ciencias ómicas
Proteómica
Metabolómica

18 FEBRERO (3 h)
DR. ALFREDO RODRÍGUEZ GÓMEZ
Tipos de resolución en las tecnologías ómicas Bulk
Unicelular
Espacial

25 FEBRERO (3 h)
DRA. MAYRA FURLÁN MAGARIL
Secuenciación de ARN unicelular
Métodos de preparación de tejidos
Disociación de tejido en suspensión unicelular
Conteo celular
Sorteo de células únicas

04 MARZO (3 h)
DRA. MAYRA FURLÁN MAGARIL
Preparación de librerías de secuenciación
Transcripción reversa
Barcoding
Métodos de secuenciación plate-based: SmartSeq2
Métodos de secuenciación droplet-based
Entendiendo el control de calidad en la scRNAseq
Evaluación de calidad y cantidad de amplicón de cDNA
Secuenciación de nueva generación

11 MARZO (3 h) WORKSHOP
BIOL. PABLO SILICEO PORTUGAL
Análisis de datos de secuenciación de ARN unicelular
Bases de datos
Pre-procesamiento de datos crudos
Alineamiento de lecturas con genoma de referencia
Archivos BCL
Archivos FASTQ
Matrices de conteo

18 MARZO (3 h) WORKSHOP
BIOL. PABLO SILICEO PORTUGAL
Software de análisis de datos de scRNAseq
Estructura de datos de scRNAseq Metadatos y tablas anotadas
Seurat

25 MARZO (3 h) WORKSHOP
BIOL. PABLO SILICEO PORTUGAL
Procesamiento de matrices de conteo
Control de calidad
Filtrado de células
Filtrado de genes
Métodos de normalización
Selección de genes variables

01 ABRIL (3 h) WORKSHOP
BIOL. PABLO SILICEO PORTUGAL
Batch effect
Métodos de integración Benchmarking
Reducción de dimensionalidad
PCA
Visualización de datos
UMAP
t-SNE
Clustering
Métodos de agrupación
Resolución de grupos
Anotación celular
Anotación manual
Anotación automática

08 ABRIL (3 h) WORKSHOP DR. HUGO TOVAR
Análisis funcionales
Expresión diferencial de genes
Enriquecimiento de vías Reguladores maestros
Trayectoria y seudotiempo
Inferencia de variantes Comunicación celular

22 ABRIL (3 h)
DR. ALFREDO RODRÍGUEZ GÓMEZ
Ómica espacial
Introducción al análisis de imagen

29 ABRIL (3 h) WORKSHOP
BIOL. PABLO SILICEO PORTUGAL
Obtención de datos espaciales Segmentación celular
Cuantificación
Control de calidad Anotación celular Análisis espaciales

06 MAYO (3 h) WORKSHOP
DR. ALFREDO RODRIGUEZ y BIOL. PABLO SILICEO PORTUGAL
Transcriptómica espacial con resolución unicelular
GeoMX
Visium
Xenium

13 MAYO (3 h)
DR. Dr. HUGO TOVAR ROMERO Y Biol. PABLO SILICEO PORTUGAL
Machine learning e inteligencia artificial
Redes neuronales
Modelos predictores
Pruebas de validaciónTissue Dissociation

20 MAYO (3 h) WORKSHOP
DR. ALFREDO RODRIGUEZ y BIOL. PABLO SILICEO PORTUGAL
Proyectos finales

D’Adamo, G. L., Widdop, J. T., & Giles, E. M. (2021). The future is now? Clinical and translational aspects of “Omics” technologies. Immunology and cell biology, 99(2), 168-176.

Schneider, M. V., & Orchard, S. (2011). Omics technologies, data and bioinformatics principles. Bioinformatics for Omics Data: Methods and Protocols, 3-30.

Luecken, M. D., & Theis, F. J. (2019). Current best practices in single‐cell RNA‐seq analysis: a tutorial. Molecular systems biology, 15(6), e8746.

Pool, A. H., Poldsam, H., Chen, S., Thomson, M., & Oka, Y. (2023). Recovery of missing single-cell RNA-sequencing data with optimized transcriptomic references. Nature methods, 20(10), 1506-1515.

Dereli, Z., Bozorgui, B., Wang, H., Weinstein, J., Overman, M., & Korkut, A. (2024). A spatially resolved single cell proteomic atlas of small bowel adenocarcinoma. Cancer Research, 84(6_Supplement), 3646-3646.

Cervilla, S., Grases, D., Perez, E., Musulen, E., Real, F. X., Esteller, M., & Porta-Pardo, E. (2024). Comparison of spatial transcriptomics technologies across six cancer types. bioRxiv, 2024-05.

Chen, C., Chen, X., Hu, Y., Pan, B., Huang, Q., Dong, Q., ... & Chen, X. (2024). Utilizing machine learning to integrate single-cell and bulk RNA sequencing data for constructing and validating a novel cell adhesion molecules related prognostic model in gastric cancer. Computers in Biology and Medicine, 180, 108998.

Hernandez, S., Lazcano, R., Serrano, A., Powell, S., Kostousov, L., Mehta, J., ... & Solis, L. M. (2022). Challenges and opportunities for immunoprofiling using a spatial high-plex technology: the NanoString GeoMx® digital spatial profiler. Frontiers in oncology, 12, 890410.

Se utilizarán las computadoras del aula de cómputo 10 del Instituto de Investigaciones Biomédicas.

Los alumnos deben de tener conocimiento de programación en R y/o en Python. El curso incluirá sesiones téoricas y workshops con sesiones practicas.

Las partes prácticas del programa se llevarán a cabo en “google colab” para homogeneizar el flujo de los scripts y evitar problemas de memoria en computadoras personales. Para esto se les solicitará a los alumnos que tengan una cuenta de gmail disponible.

Los programas utilizados se descargaran previamente en las computadoras disponibles.

La mayoría de las bases de datos a utilizar son de dominio público o se les proporcionarán a los alumnos.