Máster online en Oncologia de presión genomica y Big Data
Información
Universidad CEU Cardenal Herrera. Formación online
Online
Curso
Objetivos generales Ser z de interpretar con precisión el volumen de información clínica disponible actualmente y asociado a los datos biológicos que se generan tras un análisis bioinformático. Objetivos específicos Actualizar los conocimientos en la biología molecular del cáncer, sobre todo en relación con el concepto de heterogeneidad genética, reprogramación del microambiente, papel de la respuesta inmune en el control del cáncer y mecanismos moleculares implicados en el proceso de invasión y metástasis. Aportar y ampliar conocimientos sobre la inmunoterapia, como ejemplo de claro avance científico de investigación traslacional, y una de las líneas de investigación más prometedoras en el tratamiento del cáncer. A quién va dirigido El Máster Online en Oncología de Precisión: Genómica y Big Data está orientado a facilitar la actuación del médico dedicado al tratamiento de la patología oncológica en la que es preciso interpretar con precisión el volumen ingente de información clínica disponible actualmente y asociarlo a los datos biológicos que se generan tras un análisis bioinformático. Requisitos Solo para médicos especialistas. Temario completo de este curso Módulo 1. Biología molecular 1.1. Mecanismos moleculares del cáncer. 1.1.2. Ciclo celular. 1.1.3. Desprendimiento de las células tumorales. 1.2. Reprogramación del microambiente tumoral. 1.2.1. El microambiente del tumor: Una visión general. 1.2.2. El TME como factor pronóstico del cáncer de pulmón. 1.2.3. TME en progresión y metástasis del cáncer de pulmón. 1.2.3.1. Fibroblastos asociados al cáncer (CAF). 1.2.3.2. Células endoteliales. 1.2.3.3. Hipoxia en cáncer de pulmón. 1.2.3.4. Inflamación. 1.2.3.5. Células inmunológicas. 1.2.4. Contribución del TME a la resistencia terapéutica. 1.2.4.1. Contribución de TME a la resistencia a la radioterapia. 1.2.5. El TME como blanco terapéutico en el cáncer de pulmón. 1.2.5.1. Direcciones futuras. 1.3. Inmunología tumoral:Bases de la inmunoterapia en cáncer. 1.3.1. Introducción al sistema inmune 1.3.2. Inmunología tumoral. 1.3.2.1. Antígenos asociados a tumores. 1.3.2.2. Identificación de antígenos asociados a tumor. 1.3.2.3. Tipos de antígenos asociados a tumores. 1.3.3. Bases de la inmunoterapia en cáncer. 1.3.3.1. Introducción a los enfoques inmunoterapéuticos. 1.3.3.2. Anticuerpos monoclonales en la terapia contra el cáncer. 1.3.3.2.1. Producción de anticuerpos monoclonales. 1.3.3.2.2. Tipos de anticuerpos terapéuticos. 1.3.3.2.3. Mecanismos de acción de los anticuerpos. 1.3.3.2.4. Anticuerpos modificados. 1.3.4. Moduladores inmunes no específicos. 1.3.4.1. Bacilo de Calmette-Guérin. 1.3.4.2. Interferón-α. 1.3.4.3. Interleucina-2. 1.3.4.4. Imiquimod. 1.3.5. Otros enfoques para la inmunoterapia. 1.3.5.1. Vacunas de células dendríticas. 1.3.5.2. Sipuleucel-T. 1.3.5.3. Bloqueo de CTLA-4. 1.3.5.4. Terapia de células T adoptivas. 1.3.5.4.1. Terapia celular adoptiva con clones de células T. 1.3.5.4.2. Terapia celular adoptiva con linfocitos infiltrantes de tumor. 1.3.6. Mecanismos moleculares implicados en el proceso de invasión y metástasis. Módulo 2. Oncología genómica o de precisión 2.1. Subtipos moleculares del cáncer de mama. 2.2. Plataformas genómicas de carácter pronóstico-predictivo en el cáncer de mama. 2.3. Dianas terapéuticas en cáncer de pulmón no célula pequeña. 2.3.1. Introducción. 2.3.2. Técnicas de detección molecular. 2.3.3. Mutación EGFR. 2.3.4. Translocación ALK. 2.3.5. Translocación ROS. 2.3.6. Mutación BRAF. 2.3.7. Reordenamientos NRTK. 2.3.8. Mutación HER2. 2.3.9. Mutación/Amplificación de MET. 2.3.10. Reordenamientos de RET. 2.3.11. Otras dianas moleculares. 2.4. Clasificación molecular del cáncer de colon. 2.5. Estudios moleculares en el cáncer gástrico. 2.5.1. Tratamiento del cáncer gástrico avanzado. 2.5.2. Sobreexpresión de HER2 en cáncer gástrico avanzado. 2.5.3. Determinación e interpretación de sobreexpresión de HER2 en cáncer gástrico avanzado. 2.5.4. Fármacos con actividad frente a HER2. 2.5.5. Trastuzumab en primera línea de cáncer gástrico avanzado. 2.5.6. Tratamiento del cáncer gástrico avanzado HER2+ después de la progresión a esquemas con trastuzumab. 2.5.7. Actividad de otros fármacos anti-HER2 en cáncer gástrico avanzado. 2.6. El GIST como modelo de investigación traslacional: 15 años de experiencia. 2.6.1. Introduccin. 2.6.2. Mutaciones de KIT y PDGFRA como promotores principales en GIST. 2.6.3. Genotipo en GIST: valor pronóstico y predictivo. 2.6.4. Genotipo en GIST y resistencias al imatinib. 2.6.5. Conclusiones. 2.7. Clasificación molecular de los tumores cerebrales. 2.8. Biomarcadores moleculares y genómicos en melanoma. Modulo 3. Nuevas técnicas en la era genómica 3.1. Entendiendo la nueva tecnología: Next Generation Sequence (NGS) en la práctica clínica. 3.1.1. Introducción. 3.1.2. Antecedentes. 3.1.3. Problemas en la aplicación de la Secuenciación Sanger en Oncología. 3.1.4. Nuevas técnicas de Secuenciación. 3.1.5. Ventajas del uso de la NGS en la práctica clínica. 3.1.6. Limitaciones del uso de la NGS en la práctica clínica. 3.1.7. Términos y defnes de interés. 3.1.8. Tipos de estudios en función de su tamaño y profundidad. 3.1.8.1. Genomas. 3.1.8.2. Exomas. 3.1.8.3. Paneles multigénicos. 3.1.9. Es en la secuenciación NGS. 3.1.9.1. Preparación de muestras y librerías. 3.1.9.2. Preparación de templates y Secuenciación. 3.1.9.3. Procesado bioinformático. 3.1.10. Anotación y clasificación de variantes. 3.1.10.1.Bases de datos poblacionales. 3.1.10.2.Bases de datos locus específicas. 3.1.10.3.Predictores bioinformáticos de funcionalidad. 3.2. Secuenciación DNA y análisis bioinformático. 3.2.1. Introducción. 3.2.2. Software. 3.2.3. Procedimiento. 3.2.3.1. Extracción de secuencias crudas. 3.2.3.2. Alineación de secuencias. 3.2.3.3. Refinamiento de la alineación. 3.2.3.4. Llamada de variantes. 3.2.3.5. Filtrado de variantes. 3.3. Secuenciación RNA y análisis bioinformático. 3.3.1. Introducción. 3.3.2. Software. 3.3.3. Procedimiento. 3.3.3.1. Evaluación de QC de datos sin procesar. 3.3.3.2. Filtrado de RNAr. 3.3.3.3. Datos filtrados de control de calidad. 3.3.3.4. Recorte de calidad y eliminación del adaptador. 3.3.3.5. Alineación de reads a una referencia. 3.3.3.6. Llamada de variantes. 3.3.3.7. Análisis de expresión diferencial del gen. 3.4. Tecnología ChIP-Seq. 3.4.1. Introducción 3.4.2. Software 3.4.3. Procedimiento 3.4.3.1. Descripción del conjunto de datos CHiP-Seq 3.4.3.2. Obtener información sobre el experimento utilizando los sitios web de GEO y SRA 3.4.3.3. Control de calidad de los datos de secuenciación. 3.4.3.4. Recorte y filtrado de reads 3.4.3.5. Visualización los resultados con Integrated Genome Browser (IGV). Módulo 4. Cambios en la práctica clínica actual y nuevas aplicaciones con la oncología genómica 4.1. Biopsias líquidas: ¿moda o futuro?. 4.1.1. Introducción. 4.1.2. Células circulantes tumorales. 4.1.3. ctDNA. 4.1.4. Utilidades clínicas. 4.1.5. Limitaciones del ctDNA. 4.1.6. Conclusiones y Futuro. 4.2. Papel del Biobanco en la Investigación Clínica. 4.2.1. Introducción. 4.2.2. ¿Merece la pena hacer el esfuerzo de crear un Biobanco?. 4.2.3. Cómo se puede empezar a establecer un Biobanco. 4.2.4. Consentimiento informado para Biobanco. 4.2.5. Toma de muestras para Biobanco. 4.2.6. Control de Calidad. 4.2.7. Acceso a las muestras. 4.3. Ensayos clínicos: nuevos conceptos basados en la medicina de precisión 4.3.1. ¿Qué son los ensayos clínicos? ¿En qué se diferencian de otros tipos de investigaciones? 4.3.1.1. Tipos de ensayos clínicos. 4.3.1.1.1. Según sus objetivos. 4.3.1.1.2. Según el número de centros participantes. 4.3.1.1.3. Según su metodología. 4.3.1.1.4. Según su grado de enmascaramiento. 4.3.2. Resultados de los ensayos clínicos en oncología torácica. 4.3.2.1. Relacionados con el tiempo de supervivencia. 4.3.2.2. Resultados relacionados con el tumor. 4.3.2.3. Resultados comunicados por el paciente. 4.3.3. Ensayos clínicos en la era de la medicina de precisión. 4.3.3.1. Medicina de precisión. 4.3.3.2. Terminología relacionada con el diseño de ensayos en la era de la medicina de precisión. Módulo 5. Empleo de unix y linux en bioinformática 5.1. Introducción al sistema operativo Linux. 5.1.1. ¿Qué es un sistema operativo? 5.1.2. Los beneficios de usar Linux. 5.2. Entorno Linux e Instalación. 5.2.1. Distribuciones de Linux? 5.2.2. Instalación de Linux usando una memoria USB. 5.2.3. Instalación de Linux utilizando CD-ROM. 5.2.4. Instalación de Linux usando una máquina virtual. 5.3. La línea de comandos. 5.3.1. Introducción. 5.3.2. ¿Qué es una línea de comandos? 5.3.3. Trabajar en el terminal. 5.3.4. El Shell, Bash. 5.4. Navegación básica. 5.4.1. Introducción. 5.4.2. ¿Cómo conocer la localización actual? 5.4.3. Rutas absolutas y relativas. 5.4.4. ¿Cómo monos en el sistema? 5.5. Manipulación de archivos. 5.5.1. Introducción. 5.5.2. ¿Cómo construimos un directorio? 5.5.3. ¿Cómo monos a un directorio? 5.5.4. ¿Cómo crear un archivo vacio? 5.5.5. Copiar un archivo y directorio. 5.5.6. Eliminar un archivo y directorio. 5.6. Editor de textos vi. 5.6.1. Introducción. 5.6.2. ¿Cómo grabar y salir? 5.6.3. ¿Cómo navegar por un archivo en el editor de texto vi? 5.6.4. Borrando el contenido. 5.6.5. El comando deshacer. 5.7. Comodines. 5.7.1. Introducción. 5.7.2. ¿Qué son los comodines? 5.7.3. Ejemplos con comodines. 5.8 Permisos. 5.8.1. Introducción. 5.8.2. ¿Cómo los permisos de un archivo? 5.8.3. ¿Cómo cambiar los permisos? 5.8.4. Configuración de los permisos. 5.8.5. Permisos para directorios. 5.8.6. El usuario “root”. Módulo 6. Análisis de datos en proyectos de big data: Lenguaje de programación R 6.1. Introducción al lenguaje de programación R. 6.1.1. ¿Qué es R? 6.1.2. Instalación de R y el interfaz gráfico de R. 6.1.3. Paquetes 6.3.1.1. Paquetes estándar. 6.3.1.2. Paquetes aportados y CRAN. 6.2. Características básicas de R. 6.2.1. El entorno R. 6.2.2. Software y documentación relacionados. 6.2.3. R y estadísticas. 6.2.4. R y el sistema de ventanas. 6.2.5. Usando R interactivamente. 6.2.6. Una sesión introductoria. 6.2.7. Obtención de ayuda con funciones y características. 6.2.8. Comandos R, sensibilidad a mayúsculas, etc. 6.2.9. Recuperación y corrección de comandos anteriores. 6.2.10. Ejecutar comandos o desviar la salida a un archivo. 6.2.11. Permanencia de datos y eliminación de objetos. 6.3. Tipos de objetos de R. 6.3.1. Manipulaciones simples; números y vectores. 6.3.1.1. Vectores y asignación. 6.3.1.2. Aritmética de vectores. 6.3.1.3. Generando secuencias regulares. 6.3.1.4. Vectores lógicos. 6.3.1.5. Valores Perdidos. 6.3.1.6. Vectores de caracteres. 6.3.1.7. Vectores de índice. 6.3.1.7.1. Selección y modificación de subconjuntos de un conjunto de datos. 6.3.1.8. Otros tipos de objetos. 6.3.2. Objetos, sus modos y atributos. 6.3.2.1. Atributos intrínsecos: modo y longitud. 6.3.2.2. Cambiar la longitud de un objeto. 6.3.2.3. Obtención y configuración de atributos. 6.3.2.4. La clase de un objeto. 6.3.3. Factores ordenados y desordenados. 6.3.3.1. Un ejemplo específico. 6.3.3.2. La función tapply () y matrices desiguales. 6.3.3.3. Factores ordenados. 6.3.4. Matrices. 6.3.4.1. Matrices. 6.3.4.2. Indización de matrices. Subsecciones de una matriz. 6.3.4.3. Matrices de índice. 6.3.4.4. La función array (). 6.3.4.5. Aritmética mixta de vectores y matrices. La regla de reciclaje. 6.3.4.6. El producto exterior de dos matrices. 6.3.4.7. Transposición generalizada de una matriz. 6.3.4.8. Multiplicación de matrices. 6.3.4.9. Valores propios y vectores propios. 6.3.4.10. Descomposición de valores singulares y determinantes. 6.3.4.11. Formando matrices particionadas, cbind () y rbind (). 6.3.4.12. La función de concatenación, c (), con matrices. 6.3.5. Tablas de frecuencia de factores. 6.3.6. Listas. 6.3.6.1. Construyendo y modificando listas. 6.3.6.2. Listas de concatenación. 6.3.7. Dataframes. 6.3.7.1. ¿Cómo crear dataframes? 6.3.7.2. Adjuntar () y separar (). 6.3.7.3. Trabajando con dataframes. 6.4. Lectura y escritura de datos. 6.4.1. La función read.table (). 6.4.2. La función scan (). 6.4.3. Acceso a los conjuntos de datos incorporados. 6.4.4. Cargando datos de otros paquetes R. 6.4.5. Edición de datos. Módulo 7. Análisis estadístico en R 7.1. Distribuciones de probabilidad. 7.1.1. R como un conjunto de tablas estadísticas. 7.1.2. Examen de la distribución de un conjunto de datos. 7.1.3. Tests de una y dos muestras. 7.2. Modelos estadísticos en R. 7.2.1. Definición de modelos estadísticos; fórmulas. 7.2.2. Contrastes. 7.2.3. Modelos lineales. 7.2.4. Funciones genéricas para extraer información del modelo. 7.2.5. Análisis de varianza y comparación de modelos. 7.2.5.1. Tablas ANOVA. 7.2.6. Actualización de modelos ajustados. 7.2.7. Modelos lineales generalizados. 7.2.7.1. Familias. 7.2.7.2. La función glm (). 7.2.8. Mínimos cuadrados no lineales y modelos de máxima osimilitud. 7.2.8.1. mínimos cuadrados. 7.2.8.2. Probabilidad máxima. 7.2.9. Algunos modelos no estándar. 7.3. Cálculo de intervalos de confianza. 7.3.1. Cálculo de un intervalo de confianza a partir de una distribución normal. 7.3.2. Cálculo de un intervalo de confianza a partir de una distribución t. 7.3.3. Cálculo de muchos intervalos de confianza a partir de una distribución t. 7.4. Cálculo del p valor. 7.4.1. Cálculo de un único valor de p a partir de una distribución normal. 7.4.2. Cálculo de un único valor de p a partir de una distribución t. 7.4.3. Cálculo de muchos valores p de una distribución t. 7.4.4. Una forma muy fácil de cálculo. 7.5. Cálculo de la potencia de un test. 7.5.1. Cálculo del poder de un test usando una distribución normal. 7.5.2. Cálculo del poder de un test usando una distribución t. 7.5.3. Cálculo de muchos poderes a partir de una distribución t. Modulo 8. Entorno grafico en R 8.1. Procedimientos gráficos 8.1.1. Comandos de trazado de alto nivel 8.1.1.1. La función plot () 8.1.1.2. Visualización de datos multivariados 8.1.1.3. Gráficos de pantalla 8.1.1.4. Argumentos a funciones de trazado de alto nivel 8.1.2. Comandos de trazado de bajo nivel 8.1.2.1. Anotación matemática 8.1.2.2. Fuentes vectoriales hershey 8.1.3. Interactuando con gráficos 8.1.4. Uso de parámetros gráficos 8.1.4.1. Cambios permanentes: la función par () 8.1.4.2. Cambios temporales: Argumentos a funciones gráficas 8.1.5. Lista de parámetros gráficos 8.1.5.1. Elementos gráficos. 8.1.5.2. Ejes y marcas. 8.1.5.3. Márgenes de la figura 8.1.5.4. Entorno de figuras múltiples Módulo 9. Machine learning para el análisis de big data 9.1. Introducción. 9.1.1. Aprendizaje automático frente a modelado estadístico. 9.1.2. Aprendizaje supervisado vs no supervisado. 9.2. Configuración inicial: cargar paquetes y el conjunto de datos. 9.3. Preparación de datos y preprocesamiento. 9.3.1. ¿Cómo dividir el conjunto de datos de entrenamiento y validación? 9.3.2. Estadísticas descriptivas. 9.3.3. ¿Cómo imputar valores perdidos usando ‘preProcess’? 9.3.4. ¿Cómo crear variables ficticias? 9.3.5. ¿Cómo preprocesar para transformar los datos? 9.4. Cómo visualizar la importancia de las variables usando `featurePlot`. 9.5. ¿Cómo hacer la selección de características utilizando la eliminación recursiva de características (`rfe`)? 9.6. Entrenando y ajustando el modelo. 9.6.1. ¿Cómo `entrenar` el modelo e interpretar los resultados? 9.6.2. ¿Cómo calcular la importancia de la variable? 9.6.3. Preparar el conjunto de datos de entrenamiento. 9.6.4. Predecir en los datos de entrenamiento. 9.6.5. Matriz de confusión. más
Otros cursos de esta academia
Curso Universitario en Sistema de Vigilancia, Prevención y Control de la...
(Universidad CEU Cardenal Herrera. Formación online)
Estrategias de respuesta y vigilancia epidemiológica en un mundo globalizado... requisitos solo para médicos especialistas temario completo de este curso módulo...
Máster online en Alergología
(Universidad CEU Cardenal Herrera. Formación online)
Una meta que, en tan sólo seis meses, podrás dar por adquirida, con un curso de alta intensidad y precisión... enfermedad por reflujo gastroesofágico 3...
Curso Universitario en Gestión de la Cronicidad y Telemedicina
(Universidad CEU Cardenal Herrera. Formación online)
Modelo de paciente activo... control de la enfermedad compleja y/o crónica en el domicilio... interpretar, transmitir y aplicar normas reguladoras de las actividades...
Experto Universitario en Urgencias ginecológicas y obstétricas para matronas
(Universidad CEU Cardenal Herrera. Formación online)
Urgencias ginecológicas y obstétricas para matronas 2... glándulas accesorias sexuales masculinas... descripción masculina... fisiología sexual: aspectos neuroendocrinos...
Máster en Medicina Legal y Forense
(Universidad CEU Cardenal Herrera. Formación online)
Aspectos de la ley de enjuiciamiento civil... heridas por arma de fuego... contenido del informe médico para el auxilio de los tribunales... embarazo y aborto...
Máster Online en Ortopedia Dentofacial
(Universidad CEU Cardenal Herrera. Formación online)
Aparatos para control de hábitos... superposiciones... tallado selectivo... importancia y relación con el desarrollo... ortopantomografía... fuerzas ortopédicas...
Máster Online en Formación del Profesorado de Secundaria
(Universidad CEU Cardenal Herrera. Formación online)
Redes sociales y educación... innovación en planes y programas de estudio... atención a la diversidad y multiculturalidad... atender con eficacia cualquier problema...
Máster en Podología Clínica Avanzada para Medicina
(Universidad CEU Cardenal Herrera. Formación online)
Pruebas diagnósticas por imagen en podología... cirugía podológica... a quién va dirigido esta maestría está orientado a conseguir una actualización eficaz de los...
Curso Universitario en Neurociencias para Docentes
(Universidad CEU Cardenal Herrera. Formación online)
Conocer la muerte neuronal programada... bases neurobiológicas del cerebro... técnicas invasivas... a quién va dirigido el curso universitario en neurociencias para...
Máster en Enfermería en el Servicio de Neumología
(Universidad CEU Cardenal Herrera. Formación online)
Conceptos básicos sobre el trasplante de pulmón... aplicación de la telemedicina en la monitorización del paciente respiratorio... insuficiencia respiratoria...