Universidad Nacional del Santa - biblioteca.uns.edu.pebiblioteca.uns.edu.pe/saladocentes/archivoz/curzoz/002_practica_de...manual de secuencia, infiriendo árboles filogenéticos,

Universidad Nacional del Santa Escuela Académica en Ingeniería de Sistemas e Informática

Ing. Kene A. Reyna Rojas 1

Practica de Laboratorio 04

Tema: Descripción de varios software estadísticos e instalación de un software biológico

I. Objetivos

1.1. El estudiante conocerá algunas descripciones de software estadístico para

tratamiento de datos.

1.2. El estudiante aprenderá a instalar un software de tratamiento genético biológico y su

uso básico.

II. Fundamento de la practica

En la actualidad existen muchos software estadísticos, para el tratamiento de diferentes

tipos de datos, entre los cuales tenemos

2.1. Software biológico: Existen muchos software biológicos para realizar estudios como

ADN, Proteínas algunos son gratuitos como otro son licenciados en la práctica vamos a

ver el software MEGA (pasteur 2007) (NCBI s.f.)

2.1.1. Mega 5: es una herramienta integrada para transmitir alineación automática y

manual de secuencia, infiriendo árboles filogenéticos, extrayendo de la cantera

bases de datos basadas en la Web, estimando tasas de evolución molecular,

infiriendo secuencias ancestrales, y probando hipótesis evolucionistas. MEGA es

una aplicación de múltiples Ventanas. Funciona con todas las ediciones de los

sistemas operativos Windows.

2.2. Software Estadísticos

En la actualidad existen muchos software estadísticos, para el tratamiento de

diferentes tipos de datos, entre los cuales tenemos

2.2.1. BMDP es uno de los paquetes de software estadísticos más antiguos. El primer

manual para BMDP Biomedical Computers Programs se publicó en 1961. En 1975

pasó a denominarse BMDP. Cubre un amplio abanico de métodos estadísticos

pero su capacidad para manejar datos es limitada. Desventajas. Sus programas se

ejecutan por separado: solo puede accederse a uno de ellos en cada ejecución.

Los resultados de cada programa se pueden guardar en un archivo de BMDP y

utilizarse como entrada en otros programas. (Wikipedia 2001)

2.2.2. CalEst es un paquete de Estadística y Probabilidad, es tanto didáctico como

operativo. CalEst cuenta con una interface amigable que le permitirá obtener

cálculos y gráficas rápidamente, faciles de interpretar. Además, le permite

interactuar con diversas distribuciones de probabilidad (densidad y acumulada).

Asimismo, incluye diversos tutoriales que permiten experimentar diversos



aspectos de estadística y probabilidad. CalEst fue desarrollado en CONTECK por

los científicos Jorge Dominguez y Axel Dominguez. (Wikipedia 2001)

2.2.3. EViews es un paquete estadístico para Windows, usado principalmente para

análisis econométrico. Ha sido desarrollado por Quantitative Micro Software

(QMS). La versión 1.0 salió al mercado en marzo de 1994, reemplazando al

MicroTSP. La versión más actualizada del EViews es la 7.0. El EViews combina la

tecnología de hoja de cálculo con tareas tradicionales encontradas en software

estadístico tradicional, empleando una interfaz de usuario gráfica. Estas

características se combinan con un poderoso lenguaje de programación. El EViews

puede ser empleado para análisis estadístico general, pero es especialmente útil

para realizar análisis econométrico, como modelos de corte transversal, datos en

panel y estimación y predicción con modelos de series de tiempo. Entre los tipos

de archivo con los que es compatible destacan el Excel, SPSS, SAS, Stata, RATS, y

TSP. (Wikipedia 2001)

2.2.4. Octave o GNU Octave es un programa libre para realizar cálculos numéricos.

Como indica su nombre es parte de proyecto GNU. MATLAB es considerado su

equivalente comercial. Entre varias características que comparten se puede

destacar que ambos ofrecen un intérprete permitiendo ejecutar órdenes en modo

interactivo. Nótese que Octave no es un sistema de álgebra computacional como

podría ser Máxima, sino que usa un lenguaje que está orientado al análisis

numérico. El proyecto fue creado alrededor del año 1988 pero con una finalidad

diferente: ser utilizado en un curso de diseño de reactores químicos.

Posteriormente en el año 1992, se decide extenderlo y comienza su desarrollo a

cargo de John W. Eaton. La primera versión alpha fue lanzada el 4 de enero de

1993. Un año más tarde, el 17 de febrero de 1994 aparece la versión 1.0. El

nombre surge del nombre de un profesor de unos de los autores conocido por sus

buenas aproximaciones por medio de cálculos mentales a problemas numéricos.

(Wikipedia 2001)

2.2.5. KNIME (o Konstanz Information Miner) es una plataforma de minería de datos

que permite el desarrollo de modelos en un entorno visual. Está construido bajo

la plataforma Eclipse. Fue desarrollado originalmente en el departamento de

bioinformática y minería de datos de la Universidad de Constanza, Alemania, bajo

la supervisión del profesor Michael Berthold. En la actualidad, la empresa



KNIME.com GmbH, radicada en Zúrich, Suiza, continúa su desarrollo además de

prestar servicios de formación y consultoría. (Wikipedia 2001)

2.2.6. LISREL (acrónimo de linear structural relations), es un programa usado en análisis

de ecuaciones estructurales. Fue desarrollado en los años setenta por Karl

Jöreskog y Dag Sörbom, profesores ambos de la Universidad de Uppsala, Suecia.

Su versión más reciente es la 8.8 de agosto de 2009. LISREL está principalmente

basado en comandos, aunque las versiones más recientes han incorporado una

interfaz gráfica. Lo distribuye la empresa SSI (Scientific Software International).

(Wikipedia 2001)

2.2.7. Orange es un programa informático para realizar minería de datos y análisis

predictivo desarrollado en la facultad de informática de la Universidad de

Ljubljana. Consta de una serie de componentes desarrollados en C++ que

implementan algoritmos de minería de datos, así como operaciones de

preprocesamiento y representación gráfica de datos. Los componentes de Orange

pueden ser manipulados desde programas desarrollados en Python o a través de

un entorno gráfico. Se distribuye bajo licencia GPL (Wikipedia 2001)

2.2.8. R: es un lenguaje y entorno de programación para análisis estadístico y gráfico. Se

trata de un proyecto de software libre, resultado de la implementación GNU del

premiado lenguaje S. R y S‐Plus ‐versión comercial de S‐ son, probablemente, los

dos lenguajes más utilizados en investigación por la comunidad estadística, siendo

además muy populares en el campo de la investigación biomédica, la

bioinformática y las matemáticas financieras. A esto contribuye la posibilidad de

cargar diferentes bibliotecas o paquetes con finalidades específicas de cálculo o

gráfico. R se distribuye bajo la licencia GNU GPL y está disponible para los

sistemas operativos Windows, Macintosh, Unix y GNU/Linux. (Wikipedia 2001)

2.2.9. RapidMiner (anteriormente, YALE, Yet Another Learning Environment) es un

programa informático para el análisis y minería de datos. Permite el desarrollo de

procesos de análisis de datos mediante el encadenamiento de operadores a

través de un entorno gráfico. Se usa en investigación y en aplicaciones

empresariales. La versión inicial fue desarrollada por el departamento de

inteligencia artificial de la Universidad de Dortmund en 2001. Se distribuye bajo

licencia GPL y está hospedado en SourceForge desde el 2004. RapidMiner

proporciona más de 500 operadores orientados al análisis de datos, incluyendo

los necesarios para realizar operaciones de entrada y salida, preprocesamiento de



datos y visualización. También permite utilizar los algoritmos incluidos en Weka.

(Wikipedia 2001)

2.2.10. Statistical Package for the Social Sciences (SPSS) es un programa estadístico

informático muy usado en las ciencias sociales y las empresas de investigación de

mercado. En la actualidad, la sigla se usa tanto para designar el programa

estadístico como la empresa que lo produce. Originalmente SPSS fue creado como

el acrónimo de Statistical Package for the Social Sciences ya que se está

popularizando la idea de traducir el acrónimo como "Statistical Product and

Service Solutions". Sin embargo, aunque realizando búsquedas por internet estas

pueden llevar a la página web de la empresa, dentro de la página misma de la

empresa no se encuentra dicha denominación. Como programa estadístico es

muy popular su uso debido a la capacidad de trabajar con bases de datos de gran

tamaño. En la versión 12 es de 2 millones de registros y 250.000 variables.

Además, de permitir la recodificación de las variables y registros según las

necesidades del usuario. El programa consiste en un módulo base y módulos

anexos que se han ido actualizando constantemente con nuevos procedimientos

estadísticos. Cada uno de estos módulos se compra por separado. Actualmente,

compite no solo con software licenciados como lo son SAS, MATLAB, Statistica,

Stata, sino también con software de código abierto y libre, de los cuales el más

destacado es el Lenguaje R. Recientemente ha sido desarrollado un paquete libre

llamado PSPP, con una interfaz llamada PSPPire que ha sido compilada para

diversos sistemas operativos como Linux, además de versiones para Windows y

OS X. Este último paquete pretende ser un clon de código abierto que emule

todas las posibilidades del SPSS. (Wikipedia 2001)

2.2.11. Statistica (aunque la marca está registrada como STATISTICA, en mayúsculas) es

un paquete estadístico usado en investigación, minería de datos y en el ámbito

empresarial. Lo creó StatSoft, empresa que lo desarrolla y mantiene. StatSoft

nació en 1984 de un acuerdo entre un grupo de profesores universitarios y

científicos. Sus primeros productos fueron los programas PsychoStat‐2 y

PsychoStat‐3. Después desarrolló Statistical Supplement for Lotus 1‐2‐3, un

complemento para las hojas de cálculo de Lotus. Finalmente, en 1991, lanzó al

mercado la primera versión de STATISTICA para MS‐DOS. Actualmente compite

con otros paquetes estadísticos tanto propietarios, como SPSS, SAS, Matlab o

Stata, como libres, como R. El programa consta de varios módulos. El principal de



ellos es el Base, que implementa las técnicas estadísticas más comunes. Éste

puede completarse con otros módulos específicos tales como:

• Advanced: técnicas multivariantes y modelos avanzados de regresión

lineal y no lineal

• QC: técnicas de control de calidad, análisis de procesos (distribuciones no

normales, Gage R&R, Weibull) y diseño experimental

• Data Miner: minería de datos, análisis predictivos y redes neurales

El paquete puede ser extendido a través de una interfaz con el lenguaje R.

Además, se pueden modificar y añadir nuevas librerías usando el lenguaje .NET.

(Wikipedia 2001)

2.2.12. Minitab: es un programa de computadora diseñado para ejecutar funciones

estadísticas básicas y avanzadas. Combina lo amigable del uso de Microsoft Excel

con la capacidad de ejecución de análisis estadísticos. En 1972, instructores del

programa de análisis estadísticos de la Universidad Estatal de Pennsylvania

(Pennsylvania State University) desarrollaron MINITAB como una versión ligera de

OMNITAB, un programa de análisis estadístico del Instituto Nacional de

Estándares y Tecnología (NIST) de los Estados Unidos. Como versión completa en

el 2006 cuesta $1195 USD, pero una versión para estudiantes y académicos se

ofrece como complemento de algunos libros de texto. Minitab es frecuentemente

usado con la implantación la metodología de mejora de procesos Seis Sigma.

(Wikipedia 2001)

2.2.13. Weka (Waikato Environment for Knowledge Analysis ‐ Entorno para Análisis del

Conocimiento de la Universidad de Waikato) es una plataforma de software para

aprendizaje automático y minería de datos escrito en Java y desarrollado en la

Universidad de Waikato. Weka es un software libre distribuido bajo licencia GNU‐

GPL. El paquete Weka contiene una colección de herramientas de visualización y

algoritmos para análisis de datos y modelado predictivo, unidos a una interfaz

gráfica de usuario para acceder fácilmente a sus funcionalidades. La versión

original de Weka fue un front‐end en TCL/TK para modelar algoritmos

implementados en otros lenguajes de programación, más unas utilidades para pre

procesamiento de datos desarrolladas en C para hacer experimentos de

aprendizaje automático. Esta versión original se diseñó inicialmente como

herramienta para analizar datos procedentes del dominio de la agricultura, pero la

versión más reciente basada en Java (WEKA 3), que empezó a desarrollarse en



1997, se utiliza en muchas y muy diferentes áreas, en particular con finalidades

docentes y de investigación. (Wikipedia 2001)

2.2.14. WinBUGS es un software estadístico para análisis bayesiano usando los llamados

métodos MCMC (Markov chain Monte Carlo). Está basado en el proyecto BUGS

(Bayesian inference Using Gibbs Sampling), iniciado en 1989. Corre sobre

Windows, aunque es posible ejecutarlo sobre Linux usando Wine. Lo desarrolla un

grupo de investigadores del MRC, Unidad de Bioestadística, Cambridge y el

Imperial College School of Medicine de Londres. (Wikipedia 2001)

2.2.15. World Programming System, también conocido como WPS, es un paquete

estadístico desarrollado por la compañía World Programming. WPS permite a sus

usuarios crear, editar y ejecutar programas escritos en el lenguaje SAS. El núcleo

de WPS, WPS Core, está desarrollado en C++ y ensamblador. Sobre Windows, WPS

tiene una interfaz gráfica conocida como WPS Workbench para gestionar ficheros

y editar y ejecutar programas que está basada en Eclipse. (Wikipedia 2001)

2.2.16. Statgraphics El Statgraphics Plus para Windows es un paquete para análisis de

datos estadísticos. El diseño del Statgraphics es intuitivo y provee un conjunto de

aspectos que lo hacen atractivo para profesionales que trabajan en cualquier

industria. Entre los principales aspectos del programa merecen destacarse el

StatAdvisor, que da una interpretación de los resultados; StatFolio, que permite

guardar y reutilizar los análisis realizados previamente; gráficos interactivos;

StatGallery que permite combinar textos y gráficos en múltiples páginas;

StatWizard, que guía en la selección de los datos y los análisis, y StatReporter que

permite organizar reportes del STATGRAPHICS Plus. El Statgraphics contiene

varios aspectos únicos que facilitan su uso y la generación de informes: El

StatAdvisor, Statfolios, StatGallery, StatReporter y StatWizard, los cuales

examinaremos brevemente.

III. Equipo multimedia (Hardware y Software) y materiales

• Equipo multimedia

o Proyector multimedia

o Computadora para el docente

o Computadoras para alumnos

o USB

o Windows XP

o Office 2010

•

IV. Pr

•

•

•

Ing. Ken

o Utilitari

Materiales

o Guía de

o Pizarra

o Plumon

o Tiza

o Mota

ractica

Para instal

al ejecutab

Se nos mos

Damos clic

UnEscu

ne A. Reyna Ro

os diversos (

s

e Practica

acrílica y de

es

ar el Mega,

ble

strara la sigu

en el botón

iversidaduela Académica e

ojas

(Adobe Read

tiza

este softwa

uiente ventan

ejecutar, se

d Nacionen Ingeniería de S

der, K‐lite, W

are puedes d

na

muestra la s

al del SaSistemas e Inform

Winrar, etc.)

descargarlo d

siguiente ven

nta mática

del internet,

ntana

damos dob

7

ble clic

•

•

Ing. Ken

A partir de

defecto tal

Hasta que

UnEscu

ne A. Reyna Ro

e aquí pulsam

como nos v

nos muestre


ojas

mos el botó

va a mostrar

e en el escrito


n Siguiente

las siguiente

orio el siguie


(Next) y dej

es ventanas

ente acceso d

nta mática

amos las co

directo

onfiguracione

8

es por

Menú princ

Ing. Ken

Iniciando e

• E

m

• V

• M

a

V

D

p

d

f

a

b

cipal

UnEscu

ne A. Reyna Ro

el Mega

Existen dos fo

mega y b) in

Ventana prin

Mega básico

archivos de d

Visualizando

Desde el men

para visualiza

de texto meg

recuenteme

a) Desde el m

b) se nos mos

Área de


ojas

ormas para i

nicio > todos

cipal

o: en esta p

datos y guard

un archivo

nú principal

arlo y/o edit

ga nativo y ex

nte en Mega

menú princip

strara la sigu

e trabajo


ingresar a m

s los program

parte nos en

dando resulta

de datos us

de mega, us

tarlo para es

xplorar su fo

a.

pal de Mega

uiente ventan


mega a) dand

mas > Mega5

nfocaremos

ados

ando el edit

sted pude ab

ste ejemplo

ormato esta

clic file > E

na

nta mática

do doble clic

> clic en Me

en abriend

or de texto d

brir cualquie

nosotros ab

característic

dit a Text Fil

c al acceso d

ega

do y manipu

de Mega

r archivo de

brimos un ar

ca no es usad

le

9

irecto

ulando

texto

rchivo

do tan

Barras deHerramiepara prodatos coalineamiabrir datmodelos

e entas cesar mo ento, tos, , etc.

Ing. Kene

c

d

m

UnEscu

e A. Reyna Roj

c) Vamos a

d) Selecciona

mostrara la s


as

File > Open,

amos el A

iguiente ven


se mostrara

rchivo Dros

ntana con el f


a la siguiente

ophila_Adh,

formato está

nta mática

e ventana

damos clic

ándar

c en abrir s

10

e nos

Ing. Kene

N

a

A

U

a

UnEscu

e A. Reyna Roj

Nosotros a es

abierto

Abriendo un

Usted puede

a) Desde la

File/Sess

Se mostr


as

ste archivo p

archivo de d

abrir una Fil

barra de he

sion

rara la siguie


podemos mo

datos para a

le Data usan

erramientas

ente ventana


odificarlo en

nálisis

ndo cualquie

del menú pr

donde selec

nta mática

algo semeja

ra de los sigu

rincipal Meg

ccionamos e

nte a este a

uientes méto

ga Data > O

l archivo a a

11

rchivo

odos

Open a

brir

Ing. Kene

b

V

Le

u

U

c

a

UnEscu

e A. Reyna Roj

Le damo

muestra

b) Otra ma

principal

el entorn

Nota: sol

Visualizando

e deja visual

na gran var

Usted puede

ualquier de e

) Clic en TA

menú pri

Cm


as

os clic en abr

en la siguien

nera es dan

de Mega, la

no principal d

amente se p

una Secuen

lmente explo

riedad de an

activar la ve

estos métod

A que se e

ncipal del M

Clic con el mouse


rir el entorno

nte ventana

ndo clic en

a secuencia a

de mega.

puede abrir u

ncia de dato

orar sus dato

nálisis estad

entana del E

os.

encuentra en

ega.


o principal de

File > Ope

anterior se re

un solo archiv

os

os de secuen

dístico basad

Explorador d

n debajo de

nta mática

e Mega se vi

en a File /Se

epite y visua

vo de datos

ncia así como

do en comp

e Datos de S

la barra de

isualizara co

ession del

alizara igualm

o también re

posición de d

Secuencia u

e herramient

12

mo se

menú

mente

ealizar

datos.

sando

ta del

Ing. Kene

b

c)

D

T

U

se

u

a

bc)

UnEscu

e A. Reyna Roj

) Pulse F4

) Clic en da

De estas tres

raduciendo

Utilizando el

ecuencia de

sando cualq

) En la vent

) Pulsando ) En la vent


as

ata > explore

formas se p

secuencia

l Explorado

código de p

uier de los si

tana Sequen

la tecla T tana pulse el


e active data

puede ingres

r de Datos

proteína a un

iguientes mé

nce data exp

l botón UUC


ar a la venta

s de Secue

na secuencia

étodos:

plorer selecc

C → Phe

nta mática

na de Seque

encia, usted

a de aminoá

ione data > t

ence data ex

d puede tra

ácido y de re

traslate sequ

13

plorer

aducir

egreso

uence

Ing. Kene

D

U

se

la

N

UnEscu

e A. Reyna Roj

De estas tres

Una vez trad

eleccionando

a ventana de

Nos mostrara


as

formas se pu

ducido la s

o Statistics

e la sequece

a los resultad

Clic con emouse


uede obtene

ecuencia, ca

> clic en am

data explore

dos en Excel

el


er la siguient

alcular la c

mino acid co

er

la cual se ej

nta mática

e ventana co

omposición

omposition, d

ecutara auto

on la traducc

de amino

desde el me

omáticament

14

cion

acido

enú de

te

Ing. Kene

Ex

U

si

P

Ex

re

G

E

H

UnEscu

e A. Reyna Roj

xportando s

Usando el Se

iguientes fo

hylip 3.0, Ex

xport Data y

esto lo dejam

Guardando la

En la ventana

Hasta aquí lo


as

ecuencia de

equence dat

rmatos Meg

cel Workboo

y se nos mo

mos por defe

a Sesión

a de Sequenc

básico del so


e datos

ta explorer,

ga, Nexus (P

ok, CSV (imp

ostrar la sigu

ecto

ce Data Expl

oftware Meg


usted pued

PAUP 4.0), N

ortable a exc

uiente venta

orer, vamos

ga, para prof

nta mática

de guardar

Nexus (PAUP

cel), para ell

ana el elegim

a Data > sav

fundizar más

los datos e

P 3.0/Mac C

o vamos a: D

mos el form

ve sessión

s entrar a la a

15

en los

Clade),

Data >

ato el

ayuda



V. Trabajo en laboratorio o domicilio

1. Realice los pasos de instalación de un software estadístico ejemplo SPSS

2. Realice una descripción de un software biológico

3. Realice los pasos de instalación de un software biológico

4. Haga una descripción tanto biológica y química de las estructuras orgánicas timina,

guanina, citosina, uracilo, adenina

5. Realice un ingreso de datos al mega5, de aminos ácidos y proteínas de una

sustancia cualquiera por ejemplo papa

6. Investigar que hace las otras opciones de la barra de herramientas del Mega5 ( Align,

Models, Distance, Diversity, Phylogeny, User Tree, Ancestors, selection, Rate, clocks).

VI. Bibliografía

• NCBI. http://www.ncbi.nlm.nih.gov. s.f. http://www.ncbi.nlm.nih.gov/Structure/CN3D/cn3dinstall.shtml (último acceso: 06 de abril de 2011).

• pasteur, institut. http://bioweb2.pasteur.fr. 31 de diciembre de 2007. http://bioweb2.pasteur.fr/intro‐en.html (último acceso: 6 de abril de 2011).

• wikipedia. http://es.wikipedia.org. 15 de enero de 2001. http://es.wikipedia.org/wiki/Bioinform%C3%A1tica (último acceso: 06 de abril de 2011).

• Wikipedia. http://es.wikipedia.org/. 15 de enero de 2001. http://es.wikipedia.org/wiki/Categor%C3%ADa:Paquetes_de_software_estad%C3%ADstico (último acceso: 05 de abril de 2011).

Documents

Universidad Nacional del Santa - biblioteca.uns.edu.pebiblioteca.uns.edu.pe/saladocentes/archivoz/curzoz/002_practica_de...manual de secuencia, infiriendo árboles filogenéticos,