🧪 Sesión 1 – Fundamentos de Python para Ciencias Biológicas

Fecha: 22/08/2025
Docentes: Dra. Carol Moraga e Ing. Felipe Gómez

Este módulo práctico introduce los fundamentos de programación en Python con ejemplos del ámbito biológico (FASTA, GC%, k-mers). Está pensado para ejecutarse en Google Colab (cero instalación) o de manera local si lo prefieres.

🎯 Objetivos de aprendizaje

• Comprender la lógica y el pensamiento computacional aplicado a datos biológicos.
• Manejar la sintaxis básica de Python: variables, tipos, estructuras de datos, control de flujo y funciones.
• Leer archivos FASTA simples, calcular GC% y contar k-mers.
• Configurar el entorno en Google Colab y/o instalación local.

📂 Estructura del repositorio

.
├── README.md
├── data
│   └── ejemplo.fasta
├── notebooks
│   └── example.ipynb
└── slides
    └── Session_1_Fundamentos_Python_Biologia.pptx

🚀 Empezar en Google Colab

Haz clic en el badge para abrir el notebook en Colab:

En Colab, sube data/ejemplo.fasta si el notebook lo solicita o monta tu Drive.

💻 Instalación local (opcional)

1. Instala Python 3.10+.
2. Crea y activa un entorno:

   python -m venv .venv
   # Linux/Mac
   source .venv/bin/activate
   # Windows PowerShell
   .venv\Scripts\Activate.ps1

3. (Opcional) Instala dependencias mínimas:

   pip install -U pip
   # Para la sesión 1 no se requiere Biopython, pero si deseas usarlo:
   # pip install biopython

4. Abre Jupyter:

   pip install notebook
   jupyter notebook

🧵 Contenidos de la sesión

• Lógica y pensamiento computacional: descomposición de problemas, patrones y abstracción.
• Sintaxis básica: tipos (int, float, str, bool), listas, diccionarios, tuplas; if/for/while; funciones.
• Práctica con datos biológicos:
  • Lectura de un archivo FASTA sencillo (sin librerías externas).
  • Cálculo de GC% por secuencia y global.
  • Conteo de k-mers y ranking de los más frecuentes.
  • Mini-evaluaciones con assert para validar tus funciones.

✅ Evaluación formativa

El notebook incluye celdas de prueba con assert para verificar que tus funciones producen los resultados esperados. Intenta pasar todas las pruebas.

🧷 Datos

• data/ejemplo.fasta: contiene pocas secuencias de ejemplo. Puedes reemplazarlo por tus secuencias.

---

Si encuentras errores o deseas proponer mejoras, abre un issue o un pull request. ¡Gracias!