Programa - EGB 2023
Atividades - EGB 2023
- Palestras, no formato de aulas, em temas estado-da-arte;
- Cursos, no formato de disciplinas de pós-graduação. Todos os cursos serão ministrados em português 🇧🇷;
- Apresentação de pôsteres
Programação - Palestras - 25/09/2023 e 29/09/2023
| Segunda – Feira – 25/09/2023 | ||
|---|---|---|
| Hora | Atividade | Palestrante |
| 08:00 – 08:30 | Registro e Retirada de Material | EGB 2023 |
| 08:45 – 09:00 | Abertura EGB 2023 | EGB 2023 |
| 09:00 – 10:00 | Anotação funcional, uma etapa essencial na análise de dados ômicos | Juliana Silva Bernardes |
| 10:00 – 10:30 | Coffee Break + Sessão de Pôsteres | |
| 10:30 – 11:30 | Como as ‘ômicas’ podem contribuir para a descoberta de microrganismos e novas moléculas bioativas? | Janira Prichula |
| 11:30 – 12:30 | Aprendizagem de máquina e ciências multi-ômicas | Danilo Sipoli Sanches |
| 12:30 – 13:30 | Almoço | |
| 13:30 – 14:30 | Resgatando a história evolutiva e demográfica de primatas do novo mundo | Maria Cátira Bortolini |
| 14:30 – 15:30 | O que vem antes dos gráficos de análise de microbiomas? | Franciele Siqueira Maboni |
| 15:30 – 16:00 | Coffee Break + Sessão de Pôsteres | |
| 16:00 – 17:00 | Reprodutibilidade de análises em bioinformática | Renato A. C. dos Santos |
| 17:00 – 18:00 | QIAGEN IPA – Entendendo dados ômicos complexos para acelerar sua pesquisa | Rafael Filippelli da Silva |
| 18:00 – 19:00 | Princípios FAIR em Bioinformática | Nicole de Miranda Scherer |
| Sexta – Feira – 29/09/2023 | ||
|---|---|---|
| Hora | Atividade | Palestrante |
| 09:00 – 10:00 | Ancestralidade, biologia computacional e saúde em América Latina | Eduardo Martín Tarazona Santos |
| 10:00 – 10:30 | Coffee Break + Sessão de Pôsteres | |
| 10:30 – 11:30 | Docking molecular proteína-ligante: avanços e desafios | Karina dos S. Machado |
| 11:30 – 12:30 | Bioinformática e Inteligência Artificial: bons amigos? | Mario Inostroza-Ponta |
| 12:30 – 13:30 | Almoço | |
| 13:30 – 14:30 | Imunoproteômica: identificação de epitopos lineares com base em análises de espectrometria de massas e computacionais | Glauber Wagner |
| 14:30 – 15:30 | Machine learning for protein engineering: designing de novo mutations using mathematical modeling, data mining, and pattern recognition techniques | Alvaro M. Olivera Nappa |
| 15:30 – 16:00 | Coffee Break + Sessão de Pôsteres | |
| 16:00 – 17:00 | Metagenômica como ferramenta para identificação de vírus emergentes | Raíssa Nunes dos Santos |
| 17:00 – 18:00 | Simulações de sistemas biomembranares com aplicação farmacológica | Tiago Espinosa de Oliveira |
| 18:00 – 18:30 | Encerramento EGB 2023 | EGB 2023 |
Programação - Cursos - 26/09/2023 a 28/09/2023
| MC01: Introdução à Aprendizagem de Máquina para Bioinformática – 15hrs/aula | |||
|---|---|---|---|
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 08:30 – 12:10 | 13:30 – 15:10 | Online |
| 27/09/2023 | – | 13:30 – 15:10 | Online |
| 28/09/2023 | 08:30 – 12:10 | 13:30 – 15:10 | Online |
| MC02: Programação Python para Bioinformática – 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| 27/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| 28/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| MC3: Introdução à Transcriptômica: Analisando Dados de RNA-Seq – 15 hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| 27/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| 28/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| MC04: Introdução à Dinâmica Molecular: Simulando Proteínas em Nível Atômico e suas Aplicações – 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| 27/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| 28/09/2023 | – | 13:30 – 18:00 | Campus do Vale – INF/UFRGS |
| MC05: Simulações de Dinâmica Molecular em Nuvem (Making it Rain) – 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Online |
| 27/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Online |
| 28/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Online |
| MC06: Análises de Viroma por Abordagem Metagenômica: da Bancada às Análises – 4hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 28/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Campus do Vale – INF/UFRGS |
| MC07: Biologia Molecular para Computação – 12hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | – | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| 27/09/2023 | – | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| 28/09/2023 | – | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| MC08: Introdução à Metagenômica e Análise de Dados – 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 8:30 – 12:10 | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| 27/09/2023 | 8:30 – 12:10 | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| MC09: Ciência de dados acelerada por GPU – 6hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 27/09/2023 | 10:30 – 12:10 | – | Online |
| 28/09/2023 | 08:30 – 12:10 | – | Online |
| MC10: Genômica Populacional e Filogenômica– 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 08:30 – 12:10 | – | Campus do Vale – INF/UFRGS |
| 27/09/2023 | 08:30 – 12:10 | – | Campus do Vale – INF/UFRGS |
| 28/09/2023 | 08:30 – 12:10 | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| MC11: Virtual Screening e Atracamento Molecular – 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 10:30 – 12:10 | 13:30 – 17:10 | Online |
| 27/09/2023 | 10:30 – 12:10 | 13:30 – 17:10 | Online |
| 28/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Online |
| MC12: Introdução à Análise Filogenética usando R – 15hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Campus do Vale – INF/UFRGS |
| 27/09/2023 | 10:30 – 12:10 | 13:30 – 17:10 | Campus do Vale – INF/UFRGS |
| 28/09/2023 | 10:30 – 12:10 | 13:30 – 15:10 | Campus do Vale – INF/UFRGS |
| MC13: Montagem e Anotação de Genomas – 12hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 26/09/2023 | 08:30 – 12:10 | – | Campus do Vale – INF/UFRGS |
| 27/09/2023 | 08:30 – 12:10 | – | Campus do Vale – INF/UFRGS |
| 28/09/2023 | 08:30 – 12:10 | – | Campus do Vale – INF/UFRGS |
| MC14: Introdução à Programação R para Bioinformática – 6hrs/aula | |||
| Data | Manhã | Tarde | Local |
| 27/09/2023 | – | 13:30 – 16:30 | Online |
| 28/09/2023 | – | 13:30 – 16:30 | Online |
| MC15: Introdução à Bioinformática Via Linha de Comando – 4h/aulas | |||
| Data | Manhã | Tarde | Local |
| 28/09/2023 | 8:30 – 12:30 | – | Online |
Súmulas dos Cursos
MC01: Introdução à Aprendizagem de Máquina para Bioinformática
Carga Horaria: 15h/aulas
Instrutor: Bruno Iochins Grisci – UFRGS
Nível: Básico.
Tipo: Teórico.
Modalidade: Online.
Súmula do Curso: Neste minicurso serão apresentadas as bases teóricas de Aprendizagem de Máquina e introdução de sua aplicabilidade a problemas da Bioinformática.
Objetivos: Apresentar aos estudantes diferentes algoritmos de Aprendizagem de Máquina e suas aplicações. Espera-se que ao concluir o curso o participante tenha adquirido conhecimentos básicos a respeito da área de Aprendizagem de Máquina e possa seguir seus estudos em tópicos mais avançados, além de melhorar sua compreensão de trabalhos que utilizem tais algoritmos.
Conteúdos Programáticos: Introdução à Inteligência Artificial e Aprendizagem de Máquina. Aprendizado supervisionado, não-supervisionado e por reforço. Problemas de clusterização, predição (classificação e regressão) e geração. Aprendizagem de Máquina clássico (árvores de decisão, SVM, logistic regression, etc.). Ensemble. Redes neurais e deep learning. Métricas de avaliação. Aprendizagem de Máquina na Bioinformática.
Procedimentos didáticos: Aulas expositivas com uso de projeções digitais.
Pré-Requisitos: Noções básicas de matemática e computação.
Bibliografia:
– Michael Nielsen, Neural Networks and Deep Learning. Disponível em: http://neuralnetworksanddeeplearning.com/index.html
– Christoph Molnar. Interpretable Machine Learning: A Guide for Making Black Box Models Explainable. Disponível em: https://christophm.github.io/interpretable-ml-book/
– Andriy Burkov. The Hundred-Page Machine Learning Book. Disponível em: https://leanpub.com/theMLbook
MC02: Programação Python para Bioinformática
Carga Horaria: 15h/aulas
Instrutores: Mateus Boiani – PPGC/UFRGS; Gabriel Dominico – PPGC/UFRGS
Monitores: Gustavo Kremer – PPGC/UFRGS; Leonardo Dorneles – PPGC/UFRGS
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Súmula do Curso: Neste minicurso serão apresentados recursos da linguagem Python para programação e resolução de problemas na Bioinformática.
Objetivos: Apresentar aos estudantes a linguagem de programação Python e a sua utilização na resolução de problemas na área de Bioinformática em níveis variados. Espera-se que ao concluir o curso o participante tenha adquirido conhecimentos básicos em programação Python e que possa propor e implementar soluções computacionais para diferentes classes de problemas.
Conteúdos Programáticos: Introdução ao Python; Principais Características; Diferenças Principais entre Versões; O Interpretador Python; Variáveis e Tipos de Objetos; Entrada e Saída de Dados; Operadores; Estruturas de Controle; Indentação; Comandos de Decisão (Condicionais); Comandos de Iteração (Laços de Repetição); Break; Tipos de Objetos; Strings, Listas, Tuplas e Dicionários; Funções e Módulos; Escopo de Variáveis; Funções; Módulos; Criação de Notebooks.
Procedimentos didáticos: Aulas expositivas com uso de projeções digitais intercaladas com partes práticas.
Pré-Requisitos: Noções básicas do sistema operacional Linux.
Bibliografia:
– Charles R. Severance, Python for Everybody: Exploring Data Using Python3 .Disponível em: http://do1.dr-chuck.com/pythonlearn/EN_us/pythonlearn.pdf
– Richard L. Halterman. Learning to Program with Python. Disponível em: https:// www.cs.uky.edu/~keen/115/Haltermanpythonbook.pdf
MC03: Introdução à Transcriptômica: Analisando Dados de RNA-Seq
Carga Horaria: 15h/aulas
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Instrutor: Gabriela Flores Gonçalves – PPGBCM/UFRGS
Monitores: Rafael Diogo Weimer – PPGBCM/UFRGS; Flaviele Blanco Marques – PPGC/UFRGS; Luiza Marques Prates Behrens – PPGBCM/UFRGS
Súmula do Curso: O mini-curso abordará conceitos básicos relacionados ao sequenciamento de RNA (RNA-Seq) e análises dos dados resultantes. Serão apresentadas ferramentas utilizadas para o controle de qualidade e pré-processamento dos dados brutos, assim como para as análises de expressão diferencial e anotação de ontologia gênica.
Objetivos: Compreender e aplicar os fundamentos básicos e as diferentes etapas da preparação e análise de dados de RNA-Seq.
Conteúdos Programáticos: Controle da qualidade dos dados brutos (leituras de sequenciamento); alinhamento dos dados de transcritos contra o genoma do organismo alvo; estimativa da expressão gênica; análise de expressão diferencial; e anotação de ontologia gênica.
Procedimentos Didáticos: Apresentação teórica dos conteúdos essenciais para entendimento de transcriptômica; execução de tutoriais práticos para as análises previstas, contando com os comandos para o terminal Linux e linguagem de programação R a serem utilizados; e discussões sobre a área e suas aplicações.
Pré-Requisitos: Conhecimento básico de biologia molecular (RNA e expressão gênica).
Bibliografia:
– DESHPANDE, Dhrithi et al. RNA-seq data science: from raw data to effective interpretation. Frontiers in Genetics, v. 14, p. 997383, 2023.
– KUKURBA, Kimberly R.; MONTGOMERY, Stephen B. RNA sequencing and analysis. Cold Spring Harbor Protocols, v. 2015, n. 11, p. pdb. top084970, 2015.
– KORPELAINEN, Eija et al. RNA-seq data analysis: a practical approach. CRC press, 2014.
MC04: Introdução à Dinâmica Molecular: Simulando Proteínas em Nível Atômico e suas Aplicações
Carga Horaria: 15h/aulas
Instrutor: Éderson Sales Moreira Pinto – PPGBCM/UFRGS
Monitores: Arthur Tonietto Mangini – UFRGS; Lorenzo Chaves Costa Novo – UFRGS
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Súmula do Curso: Neste minicurso serão apresentadas as bases teóricas de Dinâmica Molecular e introdução de sua aplicabilidade a problemas biológicos, como desenho racional de fármacos, engenharia de proteínas, biorremediação, mecanismos de doenças, interações ecológicas, alosteria, entre outros.
Objetivos: Apresentar aos alunos a técnica de Dinâmica Molecular e como aplicá-la na investigação dos mais diversos problemas biológicos.
Conteúdos Programáticos: Introdução à dinâmica molecular e biofísica de proteínas. Bancos de dados de macromoléculas biológicas e moléculas orgânicas. Introdução ao Gromacs e campos de força. Passos da Dinâmica Molecular: modelagem, ajustes de estrutura, configuração da caixa de simulação, minimização de energia, equilibração do sistema, fase de produção, ferramentas de análise de trajetórias, discussões de aplicação de Dinâmica Molecular.
Procedimentos Didáticos: Aulas teóricas, atividades práticas em laboratório de informática, e discussões sobre aplicação de dinâmica em problemáticas biológicas.
Pré-Requisitos: Noções básicas sobre estrutura de proteínas.
Bibliografia:
– Pinto, Ederson Sales Moreira, et al. “The nucleotide excision repair proteins through the lens of molecular dynamics simulations.” DNA repair (2023): 103510.
– Hollingsworth, Scott A., and Ron O. Dror. “Molecular dynamics simulation for all.” Neuron 99.6 (2018): 1129-1143.
– Lindahl, E. (2015). Molecular Dynamics Simulations. In: Kukol, A. (eds) Molecular Modeling of Proteins. Methods in Molecular Biology, vol 1215. Humana Press, New York, NY.
– J.A. Lemkul (2018) “From Proteins to Perturbed Hamiltonians: A Suite of Tutorials for the GROMACS-2018 Molecular Simulation Package, v1.0” Living J. Comp. Mol. Sci. 1 (1): 5068
MC05: Simulações de Dinâmica Molecular em Nuvem (Making it Rain)
Carga Horaria: 15h/aulas
Instrutores: Conrado Pedebos – UFCSPA; Marcelo Poleto – Virginia Tech University; Pablo Arantes – Califórnia Riverside University
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Online.
Súmula do Curso: Neste minicurso serão apresentadas as funcionalidades da ferramenta “Making It Rain”, que utiliza a interface na nuvem do Google Colab junto com o software OpenMM (biblioteca em python de simulações de dinâmica molecular), para a realização de tipos variados de simulações moleculares.
Objetivos: Familiarizar os participantes com a estrutura e os recursos da ferramenta. Ensinar os procedimentos para configurar e executar simulações de Dinâmica Molecular (DM) em nuvem. Explorar diferentes campos de força e opções de simulação, incluindo simulações de proteínas-ligantes e proteínas mutantes. Incentivar o entendimento dos princípios subjacentes às simulações moleculares.
Conteúdos Programáticos: Introdução à “Making it Rain” e cálculos na nuvem. Simulações por DM utilizando estruturas atomísticas modeladas pelo AlphaFold 2 e geração de inputs com o servidor CHARMM-GUI. Simulações por DM de complexos proteína-ligante e de proteínas contendo mutações. Simulações de sistemas biomoleculares com resolução Coarse-Grained e de sistemas de proteína embebida em membrana. Diferentes análises de trajetórias de DM.
Procedimentos Didáticos: Aulas teórico-práticas com acompanhamento em tempo real das atividades.
Pré-Requisitos: Noções básicas de computação, noções básicas de bioquímica.
Bibliografia:
– Pablo R. Arantes, Marcelo D. Polêto, Conrado Pedebos, and Rodrigo Ligabue-Braun. Making it Rain: Cloud-Based Molecular Simulations for Everyone. J. Chem. Inf. Model. 2021, 61, 10, 4852–4856.
– Peter Eastman et al. OpenMM 7: Rapid development of high performance algorithms for molecular dynamics. PLOS Comp. Biol. 2017, 13, 7, e1005659.
– Sunhwan Jo, Taehoon Kim, Vidyashankara G. Iyer, Wonpil Im. CHARMM-GUI: A Web-based Graphical User Interface for CHARMM. J. Comput. Chem. 2008, 29, 1859-1865.
– Felipe Engelberger, Pablo Galaz-Davison, Graciela Bravo, Maira Rivera, and César A. Ramírez-Sarmiento. Developing and Implementing Cloud-Based Tutorials That Combine Bioinformatics Software, Interactive Coding, and Visualization Exercises for Distance Learning on Structural Bioinformatics. J. Chem. Educ. 2021, 98, 5, 1801–1807.
– David A. Case et al. The Amber biomolecular simulation programs. J. Comput. Chem. 2005, 26, 16, 1668-1688.
MC06: Análises de Viroma por Abordagem Metagenômica: da Bancada às Análises
Carga Horaria: 4h/aulas
Instrutores: Raíssa Nunes dos Santos – UFCSPA; Richard Steiner Salvato – LACEN-RSCEVSSES-RS
Nível: Intermediário.
Tipo: Teórico.
Modalidade: Presencial.
Súmula do Curso: Neste minicurso serão apresentadas as bases teóricas para a metodologia de preparo de amostras para identificação de vírus (independente de PCR específica) bem como aprendizagem das principais ferramentas para análise de dados de NGS de sequenciamento viral.
Objetivos: Introduzir as diferenças entre vírus e estratégias de metodologia para identificação e enriquecimento de amostras até o sequenciamento.
Conteúdos Programáticos: O que são vírus; Fluxograma de preparo de amostra biológica para identificação de virus; Estratégias de enriquecimento de ácidos nucleicos; Montagem de sequências; Ferramentas online para analise de dados; Bancos de dados virais.
Procedimentos Didáticos: Aulas expositivas com uso de projeções digitais.
Pré-Requisitos: Sem pré-requisitos, porém desejável conhecimentos básicos em biologia molecular
Bibliografia:
– Liang, G., Bushman, F.D. The human virome: assembly, composition and host interactions. Nat Rev Microbiol 19, 514–527 (2021). DOI: https://doi.org/10.1038/s41579-021-00536-5
– Conceição-Neto, N., Zeller, M., Lefrère, H. et al. Modular approach to customise sample preparation procedures for viral metagenomics: a reproducible protocol for virome analysis. Sci Rep 5, 16532 (2015). DOI: https://doi.org/10.1038/srep16532
MC07: Biologia Molecular para Computação
Carga Horaria: 12h/aulas
Instrutor: Fernanda Cortez Lopes – UFRGS
Nível: Básico.
Tipo: Teórico.
Modalidade: Presencial.
Súmula do Curso: Neste minicurso serão apresentados os conceitos básicos de biologia molecular, desde características estruturais dos ácidos nucleicos, os processos de replicação, transcrição e tradução, bem como as propriedades estruturais e funcionais das proteínas.
Objetivos: Apresentar aos estudantes os tópicos mais relevantes da biologia molecular. Espera-se que ao concluir o curso o participante tenha adquirido conhecimentos básicos a respeito da área, podendo aplicá-los na realização e na interpretação de experimentos de bioinformática.
Conteúdos Programáticos: Dogma Central da Biologia Molecular, Estrutura dos Ácidos Nucleicos e Replicação de DNA, Transcrição, Código Genético e Síntese de Proteínas, Estrutura e Função de Proteínas.
Procedimentos Didáticos: Aulas expositivas com uso de projeções digitais.
Pré-Requisitos: Noções básicas de biologia.
Bibliografia:
– Arnaldo Zaha, Henrique B. Ferreira, Luciane M.P. Passaglia, Biologia Molecular Básica, Artmed, 2014.
– Carlos F. M. Menck; Marie-Anne van Sluys, Genética Molecular Básica: dos genes aos genomas, Guanabara Koogan, 2017.
– David L. Nelson, Michael M. Cox, Princípios de Bioquímica de Lehninger, Artmed, 2022.
MC08: Introdução à Metagenômica e Análise de Dados
Carga Horaria: 15h/aulas
Instrutor: Manuel Adrian Riveros Escalona – PPGC/UFRGS
Monitores: Caue Scotti Rocha – UFRGS; Cássio Augusto Rodrigues Bettim – PPGBCM/UFRGS
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Súmula do Curso: No minicurso serão apresentados os conceitos básicos para os diferentes métodos de geração de dados metagenômicos e as principais técnicas para o processamento e análise desse tipo de dado.
Objetivos: O objetivo do curso é apresentar aos estudantes as diferentes alternativas para a geração e análise de dados metagenômicos. Ao final do curso, espera-se que o participante tenha adquirido os conhecimentos básicos para a implementação de diferentes pipelines de análise metagenômica e possa dar continuidade aos trabalhos com o uso de técnicas mais avançadas.
Conteúdos Programáticos: Sequenciamento Amplicon vs WGS. Pré-processamento de dados sequenciados (análises de qualidade e filtragem de contaminantes). Metagenome-Assembled Genome (MAG) vs Read-based Analyses. Designação taxonômica e Análises de Diversidade. Caracterização funcional e anotação de genes. Análises de abundância diferencial.
Procedimentos Didáticos: Aulas expositivas com uso de projeções digitais seguidas de atividades práticas.
Pré-Requisitos: Noções básicos de UNIX, R e estatística;
Bibliografia:
– Conceitos básicos de Unix: http://www.ee.surrey.ac.uk/Teaching/Unix/; https://www.tutorialspoint.com/unix/index.htm
– Conceitos básicos de R: https://intro2r.com/; https://cengel.github.io/R-intro/
– Yang C, Chowdhury D, Zhang Z, et al. A review of computational tools for generating metagenome-assembled genomes from metagenomic sequencing data. Comput Struct Biotechnol J. 2021. doi:10.1016/j.csbj.2021.11.028
MC09: Ciência de Dados Acelerada por GPU
Carga Horaria: 6h/aulas
Instrutor: Mateus Boiani – PPGC/UFRGS; Leonardo Dorneles – PPGC/UFRGS
Monitores: Gustavo Kremer – PPGC/UFRGS;
Nível: Intermediário.
Tipo: Teórico/Prático.
Modalidade: Online.
Súmula do Curso: Ao explorar os principais conceitos de programação paralela, neste mini curso, você irá aprender a otimizar a execução de seus fluxos de trabalho, desencadeando aumentos expressivos na velocidade. Vamos desvendar como aproveitar os múltiplos núcleos de processamento e as capacidades de processamento acelerado por GPU utilizando, para isso, a linguagem de programação Python.
Objetivos: O curso tem como objetivo apresentar aos estudantes conceitos fundamentais de programação paralela e programação em GPU. Para isso, vamos explorar ferramentas que possibilitam acelerar fluxos de trabalho em Python. Utilizando Numba, CuPy e Rapids, vamos desmistificar o uso de GPU para ciência de dados.
Conteúdos Programáticos: Computação Paralela, Decomposição, Balanceamento de Carga; Computação Heterogênea, CUDA Framework, RAPIDS, Manipulação de dados com cuDF; Modelos preditivos usando cuML; Travessia de grafos com cuGraph.
Procedimentos Didáticos: Aulas expositivas com uso de projeções digitais seguidas de atividades práticas.
Pré-Requisitos: Aulas expositivas com uso de projeções digitais intercaladas com partes práticas.
Bibliografia:
– Charles R. Severance, Python for Everybody: Exploring Data Using Python3 .Disponível em:http://do1.dr-chuck.com/pythonlearn/EN_us/pythonlearn.pdf
– Richard L. Halterman. Learning to Program with Python. Disponível em: https://www.cs.uky.edu/~keen/115/Haltermanpythonbook.pdf
– RAPIDS – https://developer.nvidia.com/pt-br/rapids
– Kirk, David B. and Hwu, Wen-mei W. (2016). “Programming Massively Parallel Processors: A Hands-on Approach”. 3rd edition. Morgan Kaufmann Publishers Inc. San Francisco, CA, USA.
– Cook, Shane (2013). “CUDA Programming: A Developer’s Guide to Parallel Computing with GPUs”. 1st edition. Morgan Kaufmann Publishers Inc. San Francisco, CA, USA.
MC10: Genômica Populacional e Filogenômica
Carga Horaria: 15h/aulas
Instrutores:Fernanda de Jesus Trindade – ITV-DS; Amanda Kessler – PUCRS
Monitores:Gabriele Zenato Lazzari – PPG-EEB/PUCRS; Yago Dayel Padilha Figueiredo Beux – PPG-EEB/PUCRS
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Súmula do Curso:Este minicurso propõe-se a apresentar os fundamentos teóricos e práticos básicos de Genômica Populacional e Filogenômica, introduzindo suas aplicabilidades em estudos evolutivos e de conservação da biodiversidade. Abrangeremos desde o desenho amostral até as análises finais, utilizando ferramentas e conceitos de Bioinformática e Genômica.
Objetivos:O curso tem como objetivo apresentar aos estudantes um fluxo de trabalho básico para projetos usando Genômica Populacional e Filogenômica, focando em pontos chave aplicados a caracterização e conservação da biodiversidade. Ao final do curso, espera-se que os participantes (i) tenham fixado conceitos básicos sobre a área, (ii) dominem as etapas necessárias para desenvolver seus projetos, (iii) conheçam análises filogenéticas, de caracterização de estrutura populacional e fluxo genético utilizando dados genômicos, (iv) e estejam aptos a aprofundar seus estudos em análises e cenários mais complexos e (v) melhorem sua compreensão sobre trabalhos científicos que empregam tais métodos e conceitos.
Conteúdos Programáticos:Introdução à Genômica Populacional e Filogenômica. Uso do ambiente Linux para análises genômicas. Desenho amostral para estudos populacionais e filogenéticos. Tipos de dados genômicos para estudos populacionais. Processamento inicial de dados genômicos para estudos populacionais e filogenéticos. Análises de diversidade genética em populações naturais. Análises de estrutura populacional e de fluxo gênico. Análises filogenéticas em janelas e abordagens consenso. Estudos de caso na conservação da biodiversidade.
Procedimentos Didáticos:Aulas expositivas com uso de projeções digitais e atividades práticas envolvendo análises genômicas em ambiente Linux.
Pré-Requisitos: Conhecimento básico de Genética e Bioinformática.
Bibliografia:
– Meisner J, Albrechtsen A. Inferring population structure and admixture proportions in low-depth NGS data. Genetics. 2018 Oct 1;210(2):719-31.
– Dussex N, Van Der Valk T, Morales HE, Wheat CW, Díez-del-Molino D, Von Seth J, Foster Y, Kutschera VE, Guschanski K, Rhie A, Phillippy AM. Population genomics of the critically endangered kākāpō. Cell Genomics. 2021 Oct 13;1(1).
– Nielsen R, Paul JS, Albrechtsen A, Song YS. Genotype and SNP calling from next-generation sequencing data. Nature Reviews Genetics. 2011 Jun;12(6):443-51.
– Bursell MG, Dikow RB, Figueiró HV, Dudchenko O, Flanagan JP, Aiden EL, Goossens B, Nathan SK, Johnson WE, Koepfli KP, Frandsen PB. Whole genome analysis of clouded leopard species reveals an ancient divergence and distinct demographic histories. Iscience. 2022 Dec 22;25(12)
– Skotte L, Korneliussen TS, Albrechtsen A. Estimating individual admixture proportions from next generation sequencing data. Genetics. 2013 Nov 1;195(3):693-702.
– Lou RN, Jacobs A, Wilder AP, Therkildsen NO. A beginner’s guide to low‐coverage whole genome sequencing for population genomics. Molecular Ecology. 2021 Dec;30(23):5966-93.
MC11: Virtual Screening e Atracamento Molecular
Carga Horaria: 15h/aulas
Instrutor: Rafael Andrade Caceres – UFCSPA
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Online.
Súmula do Curso: Neste minicurso serão apresentadas as bases teóricas e práticas acerca da prospecção de moléculas com potencial terapêutico contra alvos moleculares utilizando a triagem virtual de pequenas moléculas.
Objetivos: Apresentar aos estudantes preliminarmente a docagem molecular como base metodológica para aplicação da triagem virtual de pequenas moléculas buscando identificar potenciais inibidores contra alvos moleculares definidos.
Conteúdos Programáticos: Introdução à docagem molecular. Estabelecimento e validação de protocolos de docagem molecular. Introdução à triagem virtual de pequenas moléculas. Bancos de dados de pequenas moléculas.Introdução à triagem virtual reversa. Estratégias para a construção de bibliotecas de pequenas moléculas. Simulação de propriedades ADMETox de pequenas moléculas.
Procedimentos Didáticos: Aulas expositivas com uso de projeções digitais e práticas em laboratório de informática.
Pré-Requisitos: Noções básicas de computação, química e biologia molecular.
Bibliografia:
– SOTRIFFER, Christoph (Ed.). Virtual screening: principles, challenges, and practical guidelines. Weinheim: Wiley-VCH, 2011. 519 p. (Methods and principles in medicinal chemistry, 48). ISBN 9783527326365.
– LEACH, Andrew R. Molecular modelling: principles and applications. 2nd ed. Harlow: Pearson Education, 2001. 744 p. ISBN 9780582382107
MC12: Introdução à Análise Filogenética usando R
Carga Horaria: 15h/aulas
Instrutor: Manuel Villalobos – USACH
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Súmula do Curso: Curso de Introdução à análise filogenética com R, focado na teoria e prática da reconstrução e análise de árvores evolutivas a partir de sequências biológicas.
Objetivos: O objetivo do curso de Introdução à análise filogenética usando R é fornecer aos participantes conhecimentos teóricos e práticos sobre a análise filogenética. Ao final do curso, espera-se que os alunos tenham adquirido habilidades fundamentais para reconstruir árvores evolutivas a partir de sequências biológicas usando a linguagem de programação R, expliquem os métodos de inferência e suas diferenças e sejam capazes de comparar árvores e criar bosques filogenéticos. Além disso, os(as) participantes serão capazes de compreender a importância e as aplicações da análise filogenética na área de Bioinformática, preparando-os para abordar problemas mais complexos nessa disciplina.
Conteúdos Programáticos: O curso de Introdução à análise filogenética usando R está dividido em três seções. A primeira aborda a inferência de árvores a partir de sequências moleculares, com introdução à análise filogenética, métodos de inferência filogenética, medidas de distância e uso do R. Na segunda seção, é apresentada a inferência de árvores a partir de sequências morfológicas, com conceitos da filogenia baseada em características morfológicas e métodos em R. A terceira seção trata da comparação de bosques filogenéticos, incluindo medidas de concordância, construção e interpretação de bosques, e aplicações práticas em estudos evolutivos, além das tendências atuais na análise filogenética.
Procedimentos Didáticos: As aulas serão expositivas, utilizando projeções digitais com dados reais para demonstrar conceitos e técnicas da análise filogenética.
Pré-Requisitos: Noções básicas de matemática, computação e biologia.
Bibliografia:
– Swenson, N. G. (2014). Functional and Phylogenetic Ecology in R. Alemania: Springer New York.
– Revell, L. J., Harmon, L. J. (2022). Phylogenetic Comparative Methods in R. Estados Unidos: Princeton University Press.
– Paradis, E. (2012). Analysis of Phylogenetics and Evolution with R. Países Bajos: Springer New York.
– Huson, D. H., Rupp, R., Scornavacca, C. (2010). Phylogenetic Networks: Concepts, Algorithms and Applications. (n.p.): Cambridge University Press.
– Felsenstein, J. (2004). Inferring phylogenies. Reino Unido: Oxford University Press, Incorporated.
MC13: Montagem e Anotação de Genomas
Carga Horaria: 12h/aulas
Instrutor: João Paulo Oliveira – UTFPR; Danilo Sipoli Sanches – UTFPR
Monitores: Marcus Vinicius da Silva Rodrigues – UTFPR;
Nível: Intermediário.
Tipo: Teórico/Prático.
Modalidade: Presencial.
Súmula do Curso: Este minicurso oferece uma imersão completa no processo de montagem e anotação de genomas de procariotos, abordando tanto os aspectos teóricos quanto práticos. Os participantes terão a oportunidade de aprender as etapas essenciais para montar e anotar um genoma bacteriano, incluindo a coleta e preparação de dados, montagem de sequências e identificação de genes.
Objetivos: Adquirir fundamentos da genômica bacteriana, incluindo a estrutura genômica, diversidade genética e importância biológica dos genomas de procariotos. Dominar as Etapas de Coleta e Preparação de Dados: Aprender as práticas recomendadas para a extração de DNA de organismos procarióticos, preparação de bibliotecas de sequenciamento e aquisição de dados de sequenciamento de nova geração. Explorar Técnicas de Montagem de Sequências: Familiarizar-se com as diversas abordagens de montagem de sequências, compreendendo o processo de sobreposição de leituras, formação de contigs e utilização de informações de pares de leituras para o scaffolding. Realizar a Anotação de Genomas: Dominar técnicas de identificação de ORFs (Open Reading Frames), predição de genes e categorização funcional dos elementos genéticos encontrados nos genomas procarióticos. Utilizar Ferramentas Bioinformáticas Relevantes: Explorar e aplicar uma variedade de softwares e recursos de Bioinformática para a montagem e anotação de genomas, incluindo pipelines de análise e bancos de dados genômicos. Desenvolver Habilidades Práticas em Bioinformática: Adquirir competências práticas essenciais na manipulação e análise de dados genômicos, reforçando a capacidade de aplicar abordagens bioinformáticas na pesquisa biológica.
Conteúdos Programáticos: Módulo 1: Introdução à Genômica de Procariotos – Conceitos fundamentais em genômica bacteriana; Importância da montagem e anotação de genomas para a pesquisa biológica; Ferramentas para montagem, análise e anotação genômica. Módulo 2: Utilização de ferramentas para montagem de genomas; Avaliação da montagem. Módulo 3: Fechamento de gaps; Utilização de ferramentas de alinhamento de sequências.
Procedimentos Didáticos: Aulas expositivas com uso de projeções digitais e atividades práticas envolvendo análises genômicas em ambiente Linux.
Pré-Requisitos: Noções básicas de computação, genética e biologia molecular.
Bibliografia:
– JUNQUEIRA, L. C; CARNEIRO, J. Biologia celular e molecular. 7. ed. Rio de Janeiro: Editora Guanabara Koogan, 2000.
-CONDA. Disponível em: https://conda.io/projects/conda/en/latest/user-guide/index.html
MC14: Introdução à Programação R para Bioinformática
Carga Horaria: 6h/aulas
Instrutores: Glaucia Maria Bressan – UTFPR; Elisângela Aparecida da Silva Lizzi – UTFPR
Monitor: Ana Beatriz Miranda Valentin – UTFPR; Leonardo Canuto Junior – UTFPR
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Online.
Súmula do Curso: Minicurso introdutório sobre programação em R para bioinformática. Deste modo, utilizaremos o R de forma introdutória para ambientação do usuário, informações sobre sintaxe, tipos de banco de dados e com atividades hands on de sua aplicabilidade a problemas da Bioinformática.
Objetivos: O curso tem como objetivo apresentar aos estudantes a sintaxe do software R, os comandos para a realização de uma análise exploratória de um banco de dados e um treinamento a partir de um banco de dados real para predição de resultados. Espera-se que ao concluir o curso o participante tenha adquirido conhecimentos básicos a respeito da leitura e de uma análise inicial de um banco de dados e possa seguir seus estudos em tópicos mais avançados, além de melhorar sua compreensão na leitura de artigos que utilizam esses conceitos.
Conteúdos Programáticos: Visão geral do programa R; Tipos de dados; Leitura de dados no ambiente R; Data Frame; Carregamento de dataset externo no ambiente R; Elaboração de Gráficos Básicos e demonstração de gráficos; Análise descritiva de dados e estudo caso com aplicação de dois métodos de aprendizado de máquina (Naive Bayes e Árvores de Decisão)
Procedimentos Didáticos: Aulas síncronas em plataforma virtual, material de apoio com: slides, banco de dados e códigos para treinamento computacional.
Pré-Requisitos: Noções básicas de matemática e programação.
Bibliografia:
– Bressan, G. M., & da Silva Lizzi, E. (2023). Classification and Analysis of Patients with COVID-19 Using Machine Learning. Brazilian Journal of Biometrics, 41(1), 18-29.
– PARADIS, Emmanuel. R for Beginners. Institut des Sciences de l’Evolution. Université Montpellier II, 2005. Disponível em: https://cran.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf
– PENG, Roger. Exploratory data analysis with R. Lulu. com, 2012.
-PENG, Roger D. R programming for data science. Victoria, BC, Canada: Leanpub, 2016.
MC15: Introdução à Bioinformática Via Linha de Comando
Carga Horaria: 4h/aulas
Instrutores: Francisco M. Couto – ULisboa
Nível: Básico.
Tipo: Teórico/Prático.
Modalidade: Online.
Súmula do Curso: Introdução passo a passo sobre como a linha de comando pode ajudar a resolver muitas das tarefas de processamento de dados que os especialistas em Saúde e Vida enfrentam todos os dias com dependências mínimas de software.
Objetivos:Executar uma tarefa bioinformática de recuperação de dados e texto sobre cafeína, em que cada passo é realizado manualmente. Depois é ensinado como podemos automatizar cada passo da tarefa anterior via linha de comando. Cada ferramenta de linha de comando é introduzida e descrita assim que é usada para executar um dos passos. O objetivo é obter um conjunto de capacidades para recolher dados de recursos Web, extrair os apontadores e recuperar informação adicional de outros recursos, como, por exemplo, texto relacionado.
Conteúdos Programáticos:Linha de comando; Bases de Dados; Literatura; Ontologias; Recuperação de Dados (cURL); Extração de dados (grep e cut); Repetição de Tarefas (xargs); Processamento XML (xmllint e xpath);
Procedimentos Didáticos:Aulas teórico-práticas com acompanhamento em tempo real das atividades.
Pré-Requisitos: Noções básicas de ciências da vida e da saúde
Bibliografia:
– F. Couto, Data and Text Processing for Health and Life Sciences. No. 1137 in Advances in Experimental Medicine and Biology, Springer, 2019.
http://labs.rd.ciencias.ulisboa.pt/book/
– F. Couto, Introdução à Bioinformática Via Linha de Comando. Trajectos / Ciência, Gradiva, 2019.
https://www.gradiva.pt/catalogo/46792/introducao-a-bioinformatica-via-linha-de-comando