Recursos

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. Cuaderno electrónico de laboratorio. Registro experimental del equipo. Acceso con cuenta de Ciencia & Vida. elab.cienciavida.org

   Placa institucional · idéntica al cierre
2. 0:04–0:11

   El registro experimental es la base de la trazabilidad y la reproducibilidad en investigación.

   Interfaz de ejemplo · documentación oficial de eLabFTW
3. 0:11–0:18

   Ciencia & Vida dispone de un cuaderno electrónico de laboratorio basado en eLabFTW, de código abierto.

   Interfaz de ejemplo · documentación oficial de eLabFTW
4. 0:18–0:26

   Cada experimento se documenta como una entrada con su procedimiento, resultados y archivos adjuntos.

   Interfaz de ejemplo · documentación oficial de eLabFTW
5. 0:26–0:31

   Las plantillas estandarizan los protocolos recurrentes del equipo.

   Interfaz de ejemplo · documentación oficial de eLabFTW
6. 0:31–0:37

   Las entradas pueden vincularse con equipos, reactivos y otros recursos del laboratorio.

   Interfaz de ejemplo · documentación oficial de eLabFTW
7. 0:37–0:42

   Las etiquetas y la búsqueda permiten recuperar cualquier registro.

   Interfaz de ejemplo · documentación oficial de eLabFTW
8. 0:42–0:48

   Los permisos de acceso definen quién puede consultar o editar cada entrada.

   Interfaz de ejemplo · documentación oficial de eLabFTW

Cuaderno electrónico de laboratorio
Registro experimental del equipo
Acceso con cuenta de Ciencia & Vida
elab.cienciavida.org

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. scExplorer. Análisis de RNA-seq de célula única. apps.cienciavida.org/scexplorer

   Placa institucional · idéntica al cierre
2. 0:04–0:11

   La secuenciación de RNA de célula única mide la expresión génica de miles de células por separado.

   Guía pública de scExplorer
3. 0:11–0:19

   Su análisis requiere varias etapas: control de calidad, reducción de dimensionalidad, agrupamiento y anotación.

   Guía pública de scExplorer
4. 0:19–0:25

   scExplorer integra ese flujo de trabajo en una plataforma web de Ciencia & Vida.

5. 0:25–0:32

   Admite datos propios o un conjunto público de referencia, y comienza con el control de calidad.

   Ejemplo público
6. 0:32–0:40

   Las células se proyectan en un espacio UMAP y se agrupan según su perfil de expresión.

   Ejemplo público
7. 0:40–0:46

   El análisis de expresión diferencial identifica los genes marcadores de cada grupo.

   Ejemplo público
8. 0:46–0:53

   Módulos adicionales permiten inferir trayectorias, redes regulatorias y comunicación celular.

9. 0:53–0:59

   Cada análisis conserva sus parámetros y se descarga como un paquete reproducible.

scExplorer
Análisis de RNA-seq de célula única
apps.cienciavida.org/scexplorer

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. Spatial Data Explorer. Transcriptómica espacial. apps.cienciavida.org/spatial_explorer

   Placa institucional · idéntica al cierre
2. 0:04–0:12

   La transcriptómica espacial mide la expresión génica sin perder la posición de cada célula en el tejido.

3. 0:12–0:18

   Spatial Data Explorer reúne conjuntos de datos reales de Xenium, Visium y Visium HD.

4. 0:18–0:25

   El catálogo se filtra por tejido, tecnología de medición y tipo de preparación.

5. 0:25–0:32

   El visor superpone la imagen del tejido, la segmentación celular y la expresión de cada gen.

6. 0:32–0:39

   La expresión se inspecciona por célula, spot o bin, según la tecnología.

   Ejemplo público
7. 0:39–0:46

   Los agrupamientos por expresión y los dominios espaciales (BANKSY) se proyectan sobre el tejido.

   Ejemplo público
8. 0:46–0:52

   Las firmas moleculares delimitan estructuras inferidas, como compartimentos epiteliales.

   Ejemplo público
9. 0:52–1:00

   Con sesión iniciada, es posible definir regiones de interés, ejecutar análisis y guardar el trabajo.

Spatial Data Explorer
Transcriptómica espacial
apps.cienciavida.org/spatial_explorer

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. TRACE Explorer. Expresión génica y supervivencia en cáncer. apps.cienciavida.org/tcga_explorer

   Placa institucional · idéntica al cierre
2. 0:04–0:11

   Las cohortes públicas de cáncer, como TCGA, combinan perfiles de expresión génica con datos clínicos.

3. 0:11–0:19

   TRACE Explorer permite analizarlas en el navegador, junto con cohortes curadas y datos propios anonimizados.

4. 0:19–0:25

   El análisis parte de una cohorte y de un gen o una firma de expresión.

5. 0:25–0:33

   Los pacientes se agrupan según el nivel de expresión y se comparan sus curvas de supervivencia.

   Ejemplo
6. 0:33–0:39

   Cada resultado incluye el modelo estadístico, sus diagnósticos y advertencias.

   Ejemplo
7. 0:39–0:47

   También ofrece comparaciones de expresión, enriquecimiento de conjuntos génicos (GSEA) y análisis pancáncer.

8. 0:47–0:53

   Los resultados describen asociaciones exploratorias, no predicciones clínicas.

   Ejemplo
9. 0:53–0:59

   Figuras, datos, métodos y un script de R para repetir el análisis pueden exportarse.

   Ejemplo

TRACE Explorer
Expresión génica y supervivencia en cáncer
apps.cienciavida.org/tcga_explorer

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. FlowCV. Análisis de citometría de flujo. apps.cienciavida.org/flowcv

   Placa institucional · idéntica al cierre
2. 0:04–0:11

   La citometría de flujo mide múltiples marcadores en miles de células individuales por muestra.

   Ejemplo público
3. 0:11–0:19

   FlowCV, de código abierto, organiza el análisis como un flujo visual, desde el archivo FCS hasta la figura.

   Ejemplo público
4. 0:19–0:26

   Cada etapa es un nodo del flujo: control de calidad, selección de poblaciones y agrupamiento.

   Ejemplo público
5. 0:26–0:34

   Los algoritmos de agrupamiento identifican poblaciones celulares sin depender solo de la selección manual.

   Ejemplo público
6. 0:34–0:39

   Las poblaciones se revisan en mapas UMAP interactivos.

   Ejemplo público
7. 0:39–0:44

   La expresión de cada marcador puede compararse entre poblaciones.

   Captura oficial de FlowCV
8. 0:44–0:52

   Figure Studio reúne gráficos de distintas etapas y los exporta en PNG, SVG o PDF.

   Captura oficial de FlowCV

FlowCV
Análisis de citometría de flujo
apps.cienciavida.org/flowcv

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. GRNContext. Redes de regulación génica en cáncer. Bioinformatics, 2026. apps.cienciavida.org/grncontext

   Placa institucional · idéntica al cierre
2. 0:04–0:11

   Las redes de referencia describen interacciones posibles entre factores de transcripción y genes diana.

3. 0:11–0:18

   No indican cuáles están activas en un contexto biológico determinado, como un tipo de tumor.

4. 0:18–0:26

   GRNContext contextualiza esas redes en 33 tipos de cáncer de TCGA a partir de sus perfiles transcriptómicos.

5. 0:26–0:34

   Un puntaje de consenso entre métodos estadísticos y de aprendizaje automático prioriza los reguladores.

6. 0:34–0:41

   La búsqueda parte de un gen y muestra sus reguladores prioritarios en cada cohorte.

7. 0:41–0:49

   La comparación entre cohortes permite identificar diferencias regulatorias entre tejidos.

8. 0:49–0:56

   Las subredes pueden exportarse como punto de partida para hipótesis y validación experimental.

GRNContext
Redes de regulación génica en cáncer
Bioinformatics, 2026
apps.cienciavida.org/grncontext

Texto mostrado en el video, en orden. El video no tiene audio. Las interfaces de ejemplo acompañan cada explicación.

1. 0:00–0:04

   Centro Ciencia y Vida. MobHunter. Elementos genéticos móviles en genomas microbianos. Nucleic Acids Research, 2025. informatica.utem.cl/mobhunter

   Placa institucional · idéntica al cierre
2. 0:04–0:11

   La transferencia horizontal de genes incorpora elementos genéticos móviles en los genomas microbianos.

   Ejemplo precomputado
3. 0:11–0:19

   Estos elementos pueden conferir rasgos como resistencia a antibióticos o nuevas capacidades metabólicas.

   Ejemplo precomputado
4. 0:19–0:25

   Las herramientas disponibles suelen abordar solo algunos tipos de elementos.

5. 0:25–0:32

   MobHunter integra herramientas independientes y algoritmos propios en un solo flujo de análisis.

6. 0:32–0:40

   El resultado son identificaciones de consenso y clasificaciones por familia, respaldadas por puntajes.

   Ejemplo precomputado
7. 0:40–0:47

   Un mapa circular del genoma muestra la ubicación de cada región identificada.

   Ejemplo precomputado
8. 0:47–0:53

   Los resultados se descargan como archivo GenBank anotado para análisis posteriores.

   Ejemplo precomputado

MobHunter
Elementos genéticos móviles en genomas microbianos
Nucleic Acids Research, 2025
informatica.utem.cl/mobhunter