🦠 ¡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 o incluso decenas de miles de genes. El reto no es únicamente obtener esos datos, sino organizarlos, compararlos e identificar qué cambios pueden resultar relevantes entre distintas condiciones biológicas.
En esta clase gratuita conocerás, de manera visual y práctica, un flujo introductorio de análisis transcriptómico con R.
Partiremos de una matriz de conteos y recorreremos conceptos como expresión génica, normalización, Fold Change y significancia estadística hasta llegar a la identificación y visualización de genes diferencialmente expresados.
Como resultados visuales principales trabajaremos con Volcano Plots y Heatmaps, herramientas que permiten transformar miles de valores en patrones más fáciles de explorar e interpretar.
💬 Únete a nuestro grupo de WhatsApp para recibir materiales, recordatorios y novedades:
¿Qué verás en esta clase?
🔹 Qué es la transcriptómica
🔹 Qué información proporciona un experimento de RNA-Seq
🔹 Concepto de expresión génica
🔹 Qué representa una matriz de conteos
🔹 Organización de genes, muestras y condiciones experimentales
🔹 Exploración inicial de datos transcriptómicos
🔹 Variabilidad entre muestras
🔹 Introducción a la normalización
🔹 Comparación entre una condición control y una experimental
🔹 Fold Change y Log2 Fold Change
🔹 Introducción al p-valor y p-valor ajustado
🔹 Identificación de genes sobreexpresados y subexpresados
🔹 Filtrado de genes según criterios estadísticos
🔹 Construcción e interpretación de un Volcano Plot
🔹 Construcción e interpretación de Heatmaps
🔹 Introducción al clustering de genes y muestras
🔹 Diferencia entre significancia estadística y relevancia biológica
🔹 Introducción conceptual al análisis funcional y de vías biológicas
Herramientas
💻 Google Colab / RStudio
📊 R
📦 Tidyverse
📈 ggplot2
🧬 DESeq2
🔬 Herramientas de visualización transcriptómica
Datos utilizados
Trabajaremos con una matriz demostrativa de RNA-Seq correspondiente a dos condiciones biológicas, como una condición control y una experimental.
Entre las visualizaciones principales tendremos:
🌋 Volcano Plot
🔥 Heatmap
📊 Tabla de genes diferencialmente expresados
🧬 Genes sobreexpresados y subexpresados
🔗 Clustering de genes y muestras
A tomar en cuenta
📅 Lunes 9 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.
💻 Modalidad: Virtual — Google Meet
⏱️ Duración aproximada: 75–90 minutos
🎯 Nivel: Introductorio con enfoque aplicado
✅ Se recomiendan conocimientos básicos de biología molecular, genética o ciencias biomédicas.
✅ No necesitas experiencia previa en análisis transcriptómico.
✅ No necesitas experiencia avanzada en R.
Dinámica
Comenzaremos comprendiendo cómo se organiza la información obtenida mediante RNA-Seq y qué representa una matriz de conteos.
Luego compararemos dos condiciones biológicas e introduciremos conceptos de normalización y Fold Change para comprender cómo evaluar cambios en la expresión génica.
Después conoceremos qué significa que un gen esté diferencialmente expresado y revisaremos conceptos como Log2 Fold Change, p-valor y p-valor ajustado.
A continuación, utilizaremos un Volcano Plot para visualizar simultáneamente la magnitud y significancia de los cambios, y un Heatmap para explorar patrones de expresión y agrupamiento entre genes y muestras.
Finalmente, integraremos ambas visualizaciones para seleccionar genes candidatos y discutir cómo pasar de una lista de genes a una pregunta biológica.
👨🏫 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.
💬 ¿Tienes preguntas?
Podrás realizarlas durante la sesión.
LYN BIOLEARNING 🧬💙