

🦠 ¡Clase Gratuita Online! De miles de genes a patrones biológicos: análisis transcriptómico con R
🦠 ¡Clase Gratuita Online! De miles de genes a patrones biológicos: análisis transcriptómico con R
Un experimento de RNA-Seq puede generar información de expresión para miles de genes al mismo tiempo.
El verdadero reto comienza cuando queremos responder preguntas como:
¿Qué genes cambian entre dos condiciones?
¿Qué diferencias tienen respaldo estadístico?
¿Cómo podemos visualizar esos cambios sin revisar miles de valores uno por uno?
En esta clase gratuita recorreremos de manera visual y práctica un flujo introductorio de análisis transcriptómico con R, desde una matriz de conteos hasta la identificación y visualización de genes diferencialmente expresados.
ÚNETE A NUESTRO GRUPO DE WHATSAPP:
Unirse al grupo de WhatsApp
¿Qué veremos?
🧬 RNA-Seq y expresión génica
📊 Matrices de conteos
🔬 Genes, muestras y condiciones experimentales
⚙️ Normalización
📈 Fold Change y Log2 Fold Change
📉 p-valor y p-valor ajustado
🧪 Expresión diferencial
⬆️ Genes sobreexpresados
⬇️ Genes subexpresados
🌋 Volcano Plot
🔥 Heatmap
🧩 Introducción al clustering
🔎 Selección inicial de genes de interés
🧠 Significancia estadística vs. relevancia biológica
Herramientas
💻 Google Colab / RStudio
📊 R
📦 Tidyverse
📈 ggplot2
🧬 DESeq2
Datos utilizados
Trabajaremos con una matriz demostrativa de RNA-Seq correspondiente a dos condiciones biológicas, como una condición control y una experimental.
A tomar en cuenta
📅 Lunes 23 de noviembre de 2026
🕒 Horarios:
🇲🇽 México: 6:00 p. m.
🇵🇪 Perú | 🇨🇴 Colombia | 🇪🇨 Ecuador: 7:00 p. m.
🇧🇴 Bolivia | 🇻🇪 Venezuela: 8:00 p. m.
🇨🇱 Chile | 🇦🇷 Argentina: 9:00 p. m.
💻 Virtual — Google Meet
⏱️ 75–90 minutos
🎯 Nivel introductorio con enfoque aplicado
✅ No necesitas experiencia previa en análisis transcriptómico.
✅ No necesitas experiencia avanzada en R.
✅ Se recomiendan conocimientos básicos de biología molecular, genética o ciencias biomédicas.
Dinámica
Comenzaremos entendiendo qué representa una matriz de conteos de RNA-Seq y cómo se organizan genes, muestras y condiciones experimentales.
Luego veremos por qué los conteos no deben compararse directamente y revisaremos de manera introductoria el concepto de normalización.
Después abordaremos la expresión diferencial, trabajando conceptos como Fold Change, Log2 Fold Change, p-valor y p-valor ajustado.
Finalmente utilizaremos dos visualizaciones fundamentales:
🌋 Volcano Plot, para integrar magnitud del cambio y significancia estadística.
🔥 Heatmap, para comparar patrones de expresión entre genes y muestras.
El objetivo será pasar de una gran matriz de datos a patrones visuales que ayuden a formular nuevas preguntas biológicas.
👨🏫 Instructor — Luis Alejandro Pérez Timaná
Genetista y biotecnólogo por la Universidad Nacional Mayor de San Marcos, con experiencia en programación aplicada a las biociencias, bioinformática y análisis de datos multi-ómicos.
Sus áreas de interés incluyen biología computacional, genética molecular, análisis de datos genómicos y desarrollo de herramientas computacionales aplicadas a problemas biológicos.
LYN BIOLEARNING 🧬💙