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 fazendo, sempre que possível, uso de grupos de trabalho e de discussão.

A avaliação baseia-se na realização de uma prova escrita em que serão testados os conhecimentos adquiridos durante as aulas (40% da nota final) e na avaliação da sua prestação durante as aulas PLs pela realização de trabalhos e fichas de avaliação (60% da nota final). Na época de recurso os alunos apenas poderão repetir a componente da prova escrita.

Resultados de Aprendizagem

Ao concluir esta unidade curricular, o estudante será capaz de compreender e aplicar os principais algoritmos e ferramentas utilizados em Biologia Computacional; analisar e anotar sequências biológicas; aplicar algoritmos de proteómica; modelar e interpretar redes de regulação genómica no contexto da biologia de sistemas; selecionar e integrar ferramentas computacionais adequadas a diferentes problemas biológicos; e desenvolver autonomia na procura e avaliação crítica de bibliografia especializada.

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

Métodos de Avaliação

Avaliação
Exame: 40.0%
Projecto: 60.0%

Bibliografia

Deep Learning Applications in Translational Bioinformatics, Reza, K, Elsevier, 2024, ISBN: 9780443222993

Practical Bioinformatics, Agostino, M., 2023, ISBN: 978-1134063918

Introduction to Bioinformatics. Lesk, A, Oxford University Press, 2019, ISBN:0198794142

Discovering genomics, proteomics, and bioinformatics, 2nd Edition, A. Malcolm Campbell, Laurie J. Heyer, Benjamin Cummings; 2006