Oscar Lao

Cargo

Profesor

Titulación

Doctor en Ciencias de la Salud (UPF)
Licenciado en Biología (UB)

Biografía

Licenciado en Biología por la Universidad de Barcelona y doctor en Ciencias de la Salud por la Universidad Pompeu Fabra. Entre el 2005 y el 2014 trabajó como investigador posdoctoral en el Departamento de Biología Molecular Forense del Erasmus University Medical Centre de Róterdam (Países Bajos). Su investigación se centra en el análisis y la interpretación de la variación genética presente en las poblaciones humanas y en el desarrollo de nuevas herramientas estadísticas y bioinformáticas para la detección de subestructuras de población ocultas. Como resultado de este trabajo, ha sido coautor de más de 60 artículos publicados en prestigiosas revistas científicas y enciclopedias.

Asignaturas que imparte

Asignatura
Programa
Tipología

Algoritmos y métodos de agrupamiento en genómica y evolución

Grado en Bioinformática

Obligatoria

Programa:
Grado en Bioinformática

Descripción

Esta asignatura trata de programación dinámica, búsqueda en bases de datos (BLAST), búsqueda de subcadenas basada en la compresión (alineadores de ADN), algoritmos de ensamblaje, alineamiento de secuencias múltiples, algoritmos de plegamiento de ARN (Zuker, Nussinov), algoritmos de superposición estructurales. Algoritmos de ensamblaje, gráficos de Bruijn. Usearch, UPGMA, NJ, ML y árboles de parsimonia, y métodos bayesianos de reconstrucción filogenética.

Código:
52325

Créditos:
4 ECTS

Idioma:
Inglés

Tipo de asignatura: Obligatoria

Plan docente

Aprendizaje estadístico

Grado en Bioinformática

Obligatoria

Programa:
Grado en Bioinformática

Descripción

Este curso presenta técnicas para modelar y analizar datos complejos, incluidos los conjuntos de Big Data, haciendo hincapié en su aplicación al análisis de los datos ómicos. El curso se compone de tres grandes áreas: 1) modelado estadístico, incluidos los modelos lineales y modelos lineales generalizados ampliamente utilizados en transcriptómica; 2) aprendizaje supervisado, que cubre una amplia gama de técnicas de clasificación y predicción, y 3) aprendizaje no supervisado, que se refiere a las técnicas de visualización de datos en métodos de reducción de dimensionalidad (por ejemplo, PCA) o agrupación para encontrar patrones en los datos.

Código:
53130

Créditos:
4 ECTS

Idioma:
Inglés

Tipo de asignatura: Obligatoria

Plan docente