Disciplina

Área

Área Científica de Metodologia e Tecnologia da Programação > Algoritmos

Activa nos planos curriculares

MBMRP 2021 > Mbmrp 2021 > 2º Ciclo > Área Principal > Tronco Comum > Biologia Computacional

MEIC-T 2021 > Meic-T 2021 > 2º Ciclo > Área Principal > Agrupamentos > Bioinformática e Biologia Computacional > Biologia Computacional

MEBiom 2021 > MEBiom 2021 > 2º Ciclo > Área Principal > Tronco Comum > Biologia Computacional

MEIC-T 2015 > MEIC-T 2015 > 2º Ciclo > Agrupamentos > Bioinformática e Biologia Computacional > Biologia Computacional

MEIC-A 2021 > MEIC-A 2021 > 2º Ciclo > Area Principal > Agrupamentos > Bioinformática e Biologia Computacional > Biologia Computacional

MEIC-A 2015 > MEIC-A 2015 > 2º Ciclo > Agrupamentos > Bioinformática e Biologia Computacional > Biologia Computacional

MBioNano2006 > MBioNano2006 > 2º Ciclo > Ciências de Especialidade > Biologia Computacional

MBiotec 2008 > MBiotec 2008 > 2º Ciclo > Opções > Biologia Computacional

DEABiotec2006 > DEABiotec2006 > 3º Ciclo > Unidades Curriculares do Mestrado > Biologia Computacional

DEAEBiom2006 > DEAEBiom2006 > 3º Ciclo > Unidades Tipo M > Biotecnologia e Bioinformática > Biologia Computacional

MEEC 2006 > MEEC 2006 > 2º Ciclo > Área de Especialização > Área de Especialização Secundária > Biologia Computacional > Biologia Computacional

MEBiol 2006 > MEBiol 2006 > 2º Ciclo > Opções > Minor > Bioinformatica e Biologia de Sistemas > Biologia Computacional

MEIC-A 2006 > MEIC-A 2006 > 2º Ciclo > Área Aplicacional > Biologia Computacional > Biologia Computacional

MEBiom 2006 > MEBiom 2006 > 2º Ciclo > Tronco Comum > Biologia Computacional

Nível

Avaliação Prática (40%, relatórios laboratoriais) e Avaliação Teórica (60%, exame final).

Tipo

Não Estruturante

Regime

Semestral

Carga Horária

1º Semestre

2.0 h/semana

1.5 h/semana

119.0 h/semestre

Objectivos

A Biologia Computacional visa desenvolver métodos e algoritmos computacionais para processar dados biológicos e usar modelação matemática e estatística para gerar hipóteses testáveis relacionadas com elementos e processos biológicos. O objectivo desta UC é introduzir conceitos e técnicas que suportam o desenvolvimento e investigação nesta área, fortalecento a capacidade de avaliar criticamente publicações científicas neste campo. Os trabalhos práticos durante o curso têm como objectivo fortalecer a capacidade de desenvolver software para aplicações bioinformáticas.

Programa

Introdução à Biologia Computacional. Primers em biologia molecular e algoritmos. Alinhamento de sequências: pares e múltipla. Modelos probabilísticos: cadeiras de Markov e modelos de Markov ocultos. Bioestatística e métodos de aprendizagem supervisionada: análise e mineração de dados, modelos lineares generalizados (regressão linear múltipla, regressão logística), análise de sobrevivência (regressão de Cox); aplicações de otimização com regularização para dados ómicos (Lasso, Ridge, Elastic Net). Aprendizagem não supervisionada: análise de agrupamentos (k-médias, clustering hierárquico), Análise de Componentes Principais (PCA); aplicações à Filogenética Molecular e Transcriptómica (análise de microarranjos e RNA-seq). Análise integrativa de dados biológicos e clínicos, interacções genótipo-fenótipo. Seminário de bioética.

Metodologia de avaliação

Avaliação Prática (40%, relatórios laboratoriais) e Avaliação Teórica (60%, exame final).

Bibliografia

Principal

Bioinformatics Algorithms: An Active Learning Approach

Phillip Compeau, Pavel Pevzner

2018

Active Learning Publishers


Biological Sequence Analysis - Probabilistic models of proteins and nucleic acids

R. Durbin, S. Eddy, A. Krogh, G. Mitchison

1998

Cambridge MIT Press


An Introduction to Statistical Learning: With Applications in R

G. James, D. Witten, T. Hastie and R. Tibshirani

2013

Springer