Programa
Introdução à Biologia Computacional
Mestrado Bolonha em Biotecnologia
Programa
Introdução ao uso de algoritmos em Bioinformática. 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, regressão logística). 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.
Bioinformática
Mestrado Bolonha em Engenharia e Ciência de Dados
Programa
Conceitos básicos de algoritmos Conceitos básicos de biologia molecular Grafos e genética Análise de sequências de DNA Algoritmos para alinhamento simples Algoritmos para alinhamento múltiplo Algoritmos para pesquisa de motivos Algoritmos para re-sequenciação Modelos probabilísticos: Modelos de Markov e HMMs Análise da expressão genética Algoritmos de Clustering e Biclustering Métodos para análise de filogenia Classificação usando árvores de decisão Métodos Bayesianos Análise de dados integrativa Seminário
Biologia Computacional
Mestrado Bolonha em Engenharia Informática e de Computadores - Taguspark
Mestrado Bolonha em Bioengenharia em Medicina Regenerativa e de Precisão
Mestrado Bolonha em Engenharia Informática e de Computadores - Alameda
Mestrado Bolonha em Engenharia Biomédica
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.