Identificar, descrever e definir os principais conceitos na área da Bioinformática em geral e do processamento e análise de sequências biológicas em particular; Identificar e descrever os principais problemas que se colocam ao nível do processamento e análise de sequências biológicas Escolher as classes de algoritmos apropriadas para a resolução dos problemas básicos de Bioinformática, nomeadamente ao nível do processamento e análise de sequências biológicas; Implementar algoritmos básicos de processamento e análise de sequências biológicas usando linguagens de programação de scripting e usando repositórios de software de Bioinformática disponíveis.
Introdução aos conceitos básicos da Bioinformática e da análise de sequências biológicas; Algoritmos básicos para o processamento de sequências biológicas de ADN, ARN e proteínas Algoritmos para procura de padrões (motifs) em sequências; autómatos determinísticos; árvores de sufixos Algoritmos de alinhamento de sequências: programação dinâmica; algoritmos heurísticos Pesquisas em bases de dados por sequências similares; algoritmo BLAST Algoritmos progressivos para alinhamento múltiplo de sequências; o algoritmo ClustalW Implementação de algoritmos para análise de sequências biológicas usando linguagens de scripting; Exploração de repositórios de software de Bioinformática e interação com bases de dados de sequências biológicas por programação
Aulas teóricas onde são lecionados os conceitos e aulas laboratoriais onde os alunos desenvolvem programas numa linguagem de scripting para implementar algoritmos de análise de sequências e aceder aos repositórios existentes online. A avaliação é consituída de um teste (70% da classificação) e de fichas individuais ao longo do semestre (30%).
H.J. Bockenhauer, D. Bongartz. Algorithmic Aspects of Bioinformatics, Springer, 2007 D. Mount, Bioinformatics: Sequence and genome analysis, 2nd ed., Cold Spring Harbor Laboratory Press, New York, 2006. S. Bassi, Python for Bioinformatics, CRC Press, 2009.
1 Identificar e descrever conceitos e problemas avançados na área da Bioinformática 2 Escolher classes de algoritmos apropriadas para a resolução de problemas complexos de Bioinformática, incluindo métodos de otimização 3 Conhecer as principais alternativas ao nível de metaheurísticas de otimização, nomeadamente na área da Computação Natural, e suas aplicações em problemas avançados de Bioinformática 4 Implementar algoritmos avançados de Bioinformática, incluindo metaheurísticas, numa linguagem de programação apropriada
1 Algoritmos avançados para análise de sequências: descoberta de motifs, alinhamento múltiplo, análise filogenética 2 Algoritmos de clustering de dados 3 Métodos de otimização estocásticos e sua aplicação em Bioinformática, incluindo metaheurísticas de Computação Natural 4 Algoritmos sobre grafos e sua aplicação na modelação celular 5 Implementação de algoritmos avançados de Bioinformática
Aulas teóricas: Aulas práticas com computador: exploração de ferramentas; programação de algoritmos Avaliação: teste escrito; trabalho prático de programação em grupo
- N. C. Jones, P. Pevzner, An Introduction to Bioinformatics Algorithms, MIT Press, 2004 - H.J. Bockenhauer, D. Bongartz. Algorithmic Aspects of Bioinformatics, Springer, 2007 - D. Mount, Bioinformatics: Sequence and genome analysis, 2nd ed., Cold Spring Harbor Laboratory Press, New York, 2006.
1 Identificar, descrever e definir os principais conceitos relacionados com os processos de extração de conhecimento, aprendizagem máquina e mineração de dados 2 Seleccionar as metodologias apropriadas e aplicar software disponível na resolução de problemas ao nível da análise de dados 3 Conhecer e ser capaz de implementar os principais algoritmos relacionados com técnicas de Mineração de Dados e Aprendizagem Máquina 4 Aplicar as metodologias de extracção de conhecimento no caso específico das bases de dados biológicas
1. O processo de extração de conhecimento de bases de dados e conceitos relacionado 2. Mineração de Dados e Aprendizagem Máquina: Modelos e algoritmos de classificação e regressão; árvores de decisão e regras de classificação; redes neuronais; modelos funcionais; aprendizagem baseada em instâncias. 3. Avaliação e comparação de modelos e algoritmos 4. Tópicos avançados: conjuntos de modelos, sistemas híbridos, selecção de modelos e meta- aprendizagem, selecção de atributos 5. Aplicações no campo da Bioinformática: análise de dados de expressão genética, previsão de genes, previsão da estrutura de proteínas, etc
Aulas teóricas: Aulas práticas: Avaliação: teste escrito; trabalhos práticos em grupo
Análise Inteligente de Dados – Algoritmos e Implementação em Java; M. Rocha, P. Cortez, J. Neves; FCA; 2008 I. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques, 2nd edition, Morgan Kaufman, 2005. T. Mitchell, Machine Learning, McGraw Hill, 1997.
1 Identificar e pesquisar informação nas principais bases de dados com informação relevante na área da Bioinformática 2 Identificar, utilizar e avaliar criticamente as principais ferramentas disponíveis ao nível da Bioinformática 3 Utilizar sistemas de computação científica para resolução de tarefas em Bioinformática, nomeadamente na análise de dados experimentais 4 Saber definir novas funções em sistemas de computação científica e implementar scripts para resolução de problemas específicos
1. Ferramentas e bases de dados na área da Bioinformática - bases de dados de sequências primárias e curadas - ferramentas para Biologia Molecular (primers, enzimas de restrição) - ferramentas para alinhamentos / homologias de sequências, motifs e análise filogenética - ferramentas para análise de proteinas 2. Sistemas de computação científica e seu uso na Bioinformática - introdução ao Matlab - ferramentas para Engenharia Bioquimica em MatLab - introdução ao sistema R - análise de dados com o R/ Bioconductor - programação de novas funções em Matlab e R
Aulas práticas com uso de computador Métodos de avaliiação: teste prático e desempenho nas aulas práticas
d- D. Mount, Bioinformatics: Sequence and genome analysis, Cold Spring Harbor Laboratory Press, 2nd edition, 2005 - A. Baxevanis, F. Ouellete (Eds) Bioinformatics: A Practical Guide to the Analysis of genes and proteins, Wiley, 2004