Bioinformática

Conhecimentos de Base Recomendados

- Conhecimentos de programação - Bioestatística e modelação computacional.

Métodos de Ensino

A disciplina encontra-se dividida em aulas de natureza expositiva e em aulas Práticas-Laboratoriais. Na primeira é exposta a matéria numa vertente mais teórica, sem no entanto deixar de promover a participação activa dos alunos. Pretende-se desenvolver nestes a capacidade de raciocínio e de integração de conhecimentos e estimular o seu espírito crítico. As aulas Práticas vão possibilitar, ao aluno, explorar os conceitos adquiridos. Seguir-se-à uma abordagem orientada ao problema através do lançamento de desafios que relacionem conhecimento interdisciplinar.

Resultados de Aprendizagem

Conhecer de forma sistemática os principais algoritmos e ferramentas utilizados em Biologia Computacional. Em particular, é objetivo focar nos métodos de análise e de anotação de sequências, algoritmos com aplicação em proteómica e na área da biologia de sistemas, e em especial nas redes de regulação genómicas.

Estágio(s)

Não

Programa

1. Introdução e Conceitos Fundamentais

    a. Desafios Computacionais em Biologia Computacional

    b. Bases de dados e bibliotecas Bioinformáticas

    c. Conhecimentos de ambiente de linha comando linux e em scripting bash

2. Métodos para análise da sequência

    a. Alinhamento Global e Local de sequências

    b. Funções de penalização e métodos Heurísticos

    c. Avaliação de Alinhamentos Múltiplos

    d. Evolução e Reconstrução de árvores filogenéticas

    e. Anotação de de genomas

3. Previsão da estrutura secundária do RNA

    a. Métodos baseados na maximização de pares

    b. Métodos baseados na minimização da energia

4. Bases genómicas de doenças humanas

    a. Genómica Populacional

    b. Tecnologias de sequenciação e assemblagem

    c. Variações genéticas e doenças

    d. Análise da expressão génica. Clustering e classificação.

5. Redes Biológicas

    a. Propriedades Teóricas de Redes Biológicas

    b. Previsão e simulação de redes biológicas

    c. Reconstrução de séries temporais

Docente(s) responsável(eis)

Joel Perdiz Arrais

Métodos de Avaliação

Avaliação
Exame: 40.0%
Projecto: 60.0%

Bibliografia

Ramsundar, Bharath, et al. Deep Learning for the Life Sciences: Applying Deep Learning to Genomics, Microscopy, Drug Discovery, and More. " O'Reilly Media, Inc.", 2019. ISBN: 978-1492039839

 

Moses, Alan. Statistical Modeling and Machine Learning for Molecular Biology. Chapman and Hall/CRC, 2017.

 

Waterman, Michael. Introduction to Computational Biology: Maps, Sequences, and Genomes. Boca Raton, FL: CRC Press, 1995. ISBN: 0412993910.

 

Durbin, Richard, Graeme Mitchison, S. Eddy, A. Krogh, and G. Mitchison. Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids. Cambridge, UK: Cambridge University Press, 1997. ISBN: 0521629713.

 

Jones, Neil, and Pavel Pevzner. An Introduction to Bioinformatics Algorithms. Cambridge, MA: MIT Press , 2004. ISBN: 0262101068.