1. Modelación de la dinámica de enfermedades en poblaciones de garrapata
Responsables e instructores: Andrei A. González Galeano, Imelda Trejo Lorenzo,
Lilia Leticia Ramírez Ramírez, Martha Carnalla Cortés, Mayra Núñez López, Gerardo Chowell Puente
y Nichola Hengartner
Proyecto: Se abordarán modelos dinámicos de enfermedades infecciosas, integrando análisis de datos,
estadística e inferencia bayesiana. A partir del vínculo entre modelos matemáticos y datos epidemiológicos,
los participantes desarrollarán herramientas para analizar la dinámica de transmisión,
estimar parámetros y evaluar intervenciones en salud pública.
El proyecto se centra en el estudio de la dinámica de enfermedades en poblaciones de garrapatas, así como
en el análisis de enfermedades como el sarampión, influenza estacional, y gusano barrenador.
El proyecto enfatiza el uso de datos de vigilancia epidemiológica para el ajuste, validación y
calibración de modelos, así como la cuantificación de la incertidumbre asociada a las predicciones.
El objetivo es fortalecer la capacidad de construir modelos reproducibles y útiles para la toma de
decisiones en salud pública.
El proyecto culmina con una exposición oral y la entrega de código reproducible.
Pre-requisitos: incluye una preparación previa adicional de aproximadamente 6 horas (sesiones virtuales, ejercicios y lecturas).
2. Diferencias estadísticas y topológicas en la comunidad microbiana de lagos y suelos
Responsables e instructores: Nelly Selém Mojica, A. Haydeé Contreras Peruyero y Shaday Guerrero Flores
Curso: Análisis estadístico de microbiomas
Curso intensivo de 8 horas que introduce el análisis estadístico y topológico de microbiomas a
partir de datos reales. Las y los participantes explorarán la comparación de comunidades microbianas,
técnicas de clustering, transformaciones composicionales y una introducción al análisis topológico de
datos aplicado a redes microbianas, sin requerir experiencia previa.
Proyecto:
En el proyecto, se trabajará en equipos interdisciplinarios para analizar datos reales, identificar
patrones y contrastar comunidades microbianas entre distintos ambientes, como lagos y suelos.
A partir de los datos de abundancia, se construirán redes de similitud o coocurrencia entre muestras
o microorganismos, que servirán como base para explorar herramientas de análisis topológico de datos.
Este módulo está diseñado como una experiencia integrada.
3. Inferencia, análisis y modelación de redes de regulación genética
Responsables e instructores: Eugenio Azpeitia Espinosa, José Antonio Sánchez Villanueva, Centro de Ciencias Matemáticas, UNAM
Curso y proyecto
En las últimas décadas, el estudio de las redes de regulación genética (GRN) ha ganado especial interés
y relevancia, principalmente debido a su capacidad para proporcionar un enfoque sistémico y una comprensión
profunda de los mecanismos y fenómenos biológicos. En este curso/proyecto abordaremos el estudio de las
redes genéticas de regulación desde varias aristas.
Tomaremos como punto de partida datos de secuenciación de ARN de muestras biológicas reales, disponibles
en repositorios públicos; y realizaremos la inferencia de GRN a partir de estos, mediante el uso de
diferentes estrategias y herramientas bioinformáticas. Adicionalmente abordaremos estrategias para la
inferencia de GRN a partir de datos simulados.
Posteriormente caracterizamos las GRN inferidas desde una perspectiva estática. Conoceremos herramientas
para la representación gráfica de las GRN; identificaremos propiedades topológicas de interés y evaluaremos
su utilidad para la comprensión del fenómeno biológico en estudio.
Finalmente construiremos modelos booleanos simples a partir de las GRN, que nos permitirán simular y
estudiar el comportamiento dinámico de estas. Identificaremos atractores, evaluaremos trayectorias de
interés en los sistemas de transición, y estudiaremos el impacto de perturbaciones en la estabilidad
de la red. Esta caracterización dinámica nos permitirá plantear escenarios hipotéticos y evaluar la
capacidad predictiva de los modelos y su correspondencia con el fenómeno biológico real de interés.
Aspectos metodológicos:
El desarrollo de los proyectos implicará el uso de un paquete de herramientas para la construcción
y análisis de modelos lógicos llamado CoLoMoTo mediante la ejecución de cuadernos interactivos de Jupyter.
Detalles adicionales de instalación y tutoriales en el siguiente enlace:
https://github.com/colomoto
Pre-requisitos:
Es deseable, pero no indispensable, tener nociones básicas de biología molecular. Computadora personal con python.
4. Niveles biológicos de organización, biodiversidad y ecología de la conducta
Responsables e instructores: Cisteil Xinum Pérez y Luis Felipe Mendoza Cuenca
Curso:
en esta clase exploraremos conceptos básicos en biología y ecología para comprender mejor cómo crear
modelos y usar métricas para analizar los patrones de la naturaleza y los procesos que los subyacen.
Revisaremos brevemente definiciones y jerarquías de los niveles biológicos de organización, la importancia
de entender los niveles para el análisis de sistemas biológicos complejos (1 h), y revisaremos algunos
ejemplos de modelos matemáticos y métricas aplicados a diferentes niveles (1 h). También analizaremos
la variación de la biodiversidad en relación con factores que afectan esta biodiversidad (ecológicos,
ambientales, antropogénicos y su modelación), como parte del proyecto que pueden desarrollar en equipo (2 h).
En la sección de Ecología de la Conducta, revisaremos conceptos de la ecología conductual tales como
bases evolutivas y ecológicas del comportamiento animal, modelos teóricos relevantes, dinámicas y
modelos en ecología sensorial y análisis morfo funcionales. Posteriormente revisaremos ejemplos de
aplicación de modelos en el análisis de señales de color y sistemas visuales y análisis de toma de
decisiones desde la modelación matemática.
Proyecto:
Algunos de los temas que proponemos para que los y las estudiantes desarrollen son: sincronización
en la naturaleza y su relación con la variación de factores abióticos, redes de interacción ecológica
y su relación con la estructura taxonómica de los ensambles, y factores ecológicos. Otro tema potencial
será la modelación matemática de procesos evolutivos; por ejemplo, el modelaje de la evolución adaptativa
del cuidado parental o análisis filogenéticos comparativos desde una perspectiva de modelación para entender
y estudiar la evolución adaptativa. Los equipos serán interdisciplinarios y usarán, siempre que sea posible,
datos reales para identificar y analizar patrones