Biologia Computacional

Conhecimentos de Base Recomendados

Não aplicável.

Métodos de Ensino

A UC terá uma parte letiva complementada por projetos de investigação. A parte letiva vai permitir adquirir conhecimentos introdutórios nos vários tópicos da Biologia Computacional. A lecionação destes tópicos vai seguir uma abordagem "hands on", em aulas práticas presenciais. Durante os 3 meses de duração da Escola de Verão em Biologia Computacional os alunos terão oportunidade de integrar grupos de investigação de forma a desenvolver competências e na aplicação de modelos computacionais a problemas biomédicos.

Resultados de Aprendizagem

Introduzir o estudante à área da Biologia Computacional, dotando o aluno de uma visão abrangente e integrada dos tópicos científicos, tecnológicos e técnicos associados à Biologia Computacional. Dar experiência prática com a utilização e aplicação de métodos computacionais na investigação de sistemas biológicos, usando por exemplo ferramentas de modelação de sistemas em biologia estrutural no desenvolvimento de novos fármacos ou na dinâmica de biomoléculas, integração, usar ferramentas computacionais para o processamento, armazenamento e manipulação de dados provenientes de diferentes plataformas de sequenciação e repositórios público, e/ou desenvolver modelos matemáticos e computacionais para simular o desenvolvimento de patologias, tanto a nível intra-celular como ao nível do tecido.

Estágio(s)

Não

Programa

A parte letiva será constituída pelos seguintes tópicos:

 - Sinalização Celular e Metabolismo

- Ferramentas para modelação de sistemas biológicos

- Ciência de Dados - Aplicação em Biologia

- Modelação de proteínas e membranas

- Transcriptómica para Caracterizar Mecanismos Celulares

- Modelação de vias metabólicas e de sinalização

- Modelação computacional de processos fisiológicos

Foram definidas as seguintes linhas do Programa de formação em I&D:

1. Modelação de processos biológicos relacionados com a COVID19 e com a idade; Supervisão: Rui Travasso; João Carvalho; Armindo Salvador;

2. Redes neuronais artificiais aplicadas a problemas biomédicos; Supervisão: Joel P. Arrais, Maryam Abassi;

3. Data Driven Molecular Design; Supervisão: Irina Moreira

4. Rational Protein Engineering; Supervisão: Alexandra Carvalho;

5. Genómica associada à COVID-19; Supervisão: Conceição Egas, Joel P. Arrais;

6. Modelação computacional da interação Membrana/Proteína; Supervisão: Luis Loura.

Docente(s) responsável(eis)

Joel Perdiz Arrais

Métodos de Avaliação

Avaliação
Apresentação final do trabalho realizado pelo discente: 100.0%

Bibliografia

Artigos recentes relevantes para o estado-da-arte associado aos vários projetos de investigação.