Tópicos Avançados em Bioinformática
Objetivos
Proporcionar aos alunos conhecimentos sobre os fundamentos, bem como aplicações práticas em ciências biológicas.
Permitir que os alunos tenham uma compreensão geral da literatura científica na área, para serem capazes de (individualmente) aprofundar os seus conhecimentos em áreas selecionadas em bioinformática.
Treino com ferramentas computacionais para estudar problemas reais em biociências.
Caracterização geral
Código
11180
Créditos
6.0
Professor responsável
Cláudio Manuel Simões Loureiro Nunes Soares, João Montargil Aires de Sousa
Horas
Semanais - 5
Totais - 56
Idioma de ensino
Português
Pré-requisitos
Conhecimentos básicos de informática.
Bibliografia
1. Leach, A. R., Molecular Modelling: Principles and Applications, 2nd ed., Prentice Hall, 2001
2. Bioinformatics and Molecular Evolution by Paul G. Higgs and Teresa K. Attwood. Wiley-Blackwell (ISBN-13: 978-1405106832)
3. An introduction to systems biology. Design Principles of Biological Circuits. U. Alon. Chapman & Hall/CRC Mathematical & Computational Biology; 2006.
4. Chemoinformatics - a Textbook, Gasteiger, J. Engel, T., Eds.; Wiley-VCH: Weinheim, 2003.
5. Leach, A. R.; Gillet, V. J. An Introduction to Chemoinformatics, 2ª ed.; Springer: Dordrecht, 2007.
6. Handbook of Chemoinformatics: from Data to Knowledge, Gasteiger, J., Engel, T., Eds.; Wiley-VCH: Weinheim, 2003.
7. Key papers from diverse fields.
Método de ensino
As aulas serão teóricas/teórico-práticas utilizando meios computacionais.
A avaliação compreenderá avaliação de aula (50%) e um teste/exame (50%). A avaliação de aula será baseada em trabalho computacional. A nota mínima no teste/exame final para aprovação na Unidade Curricular é de 9.5.
Método de avaliação
A avaliação consiste em avaliação de aula (50%) e teste/exame final (50%). A avaliação de aula será baseada em trabalho computacional. A nota mínima no teste/exame final para aprovação na Unidade Curricular é de 9.5.
Conteúdo
1) Genómica Computacional e evolução.
2) Biologia de Sistemas Computacional.
3) Um guia de sobrevivência para um experimentalista em métodos de biologia computacional - sessões práticas num contexto de resolução de problemas.
4) Representação e visualização de estruturas moleculares.
5) Introdução à mecânica / dinâmica molecular.
6) Docking molecular.
7) Previsão da estrutura de proteínas
8) Relações quantitativas estrutura-atividade (QSAR).
9) O papel da Químio-informática na descoberta e desenvolvimento de fármacos.