Sequenciação de Nova Geração

Código:

BIOL4029

Sigla:

BIOL4029

Áreas Científicas
Classificação	Área Científica
OFICIAL	Biologia

Ocorrência: 2022/2023 - 1S

Ativa?	Sim
Unidade Responsável:	Departamento de Biologia
Curso/CE Responsável:	Mestrado em Bioinformática e Biologia Computacional

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
E:BBC	0	PE_Bioinformática e Biologia Computacional	1	-	6	42	162
M:BBC	17	Plano estudos a partir de 2018	1	-	6	42	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

O objetivo deste curso é dotar os alunos de pós graduação de conhecimentos avançados sobre a análise de dados de NGS através da bioinformática e biologia computacional, tanto do ponto de vista teórico como prático. O curso é especialmente desenhado para ajudar os estudantes interessados em desenvolver as suas carreiras nas novas tecnologias de sequenciação para resolver problemas biológicos relacionados com proteínas, genes, genomas e respetivas interações.

Resultados de aprendizagem e competências

Adquisição de conhecimentos em:
Unix Command line e criação de pequenos scripts para modificação de ficheiros sem necessidade de os abrir.
Conhecimento de técnicas para a limpeza de leituras de sequenciação de terceira geração.
Domínio de técnicas de ensamblagem de leituras por mapeio e de novo.
Análise de dados de RNA-Seq e transcriptómica
Predição e localização de genes dentro de contigs e software utilizado.
Anotação funcional de proteínas.

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

nenhum

Programa

I. Introdução ao NGS.  Preparação de bibliotecas genomicas e sequenciação
      Tecnologia e métodos por trás de cada plataforma NGS

II. Introdução aos truques de linha de comando. Aprender os principais comandos para se mover pelas pastas, criar, excluir, classificar, mover arquivos no sistema Unix.
      Como se conectar a um servidor remoto para realizar uma análise maior. Transferência segura entre computadores
      Exercícios com comandos no shell. Introdução ao editor de fluxo SED, opções e funcionalidades.
      Exercícios aplicados com comando SED. Modificação de arquivo sem abri-lo.
Introdução ao editor de arquivos AWK. Exemplos, funções integradas e condições para aplicar aos arquivos de texto.
      Exercícios

III. O que é ler dados, visualizá-los e analisar os índices de qualidade. Visão geral sobre como sequenciar os efeitos de erro:

1. Mapeamento de reads,


2. Detecção variantes,


3. Reconstrução de haplótipos,


4. Filogenias


5. Mapeamento de novo


6. Expressão diferencial.

Estudo de caso: mapeamento de algoritmos em detalhe.
       Prática: detecção de variantes e evolução da resistência a drogas no HIV-1 usando leituras mapeadas.
       Detecção de variantes após remoção do erro de seqüenciamento usando uma estrutura bayesiana.
       Prática: aplicando o framework bayesiano.

IV. Novas formas de armazenar dados após a remoção de erros.
Novas formas de observar variações genéticas que não exigem mapeamento de leituras, por exemplo Modelos de Markov.
Montagem do transcriptoma vs mapeamento do genoma.

V. Três métodos de montagem do transcriptoma em detalhe (e qual o impacto dos erros de cada um deles):

1. Referência baseada no genoma. 


2. Mapeamento de novo de mRNA. 


3. Uma abordagem híbrida. 

      Prática: pré-formando uma montagem usando a abordagem híbrida.

VI. O problema das quimeras após a montagem e como elas surgem (análise de rede).
    Prática - removendo quimeras dos dados.
    Expressão diferencial.
    Experiências baseadas em leituras de leitura filtradas de qualidade.

VII. Webs e fóruns para discutir problemas com scripts.
        Formato Fastq e significado das informações de conteúdo.
        Pré-processamento pós-sequenciamento.
        Filtros de qualidade aplicados a dados brutos e remoção de adaptadores.
        Exercícios

IX. Previsão genética em procariontes e eucariontes. Bases da previsão
        Predição baseada em métodos de homologia e ab-initio (baseados em sinais).
        Software disponível e exercícios.

X. Anotação funcional do gene.
        Bases de dados de termos, metodologia e estratégias.
        Software disponível e exercícios.

Bibliografia Obrigatória

Teresa K. Attwood; Introduction to bioinformatics. ISBN: 0-582-32788-1

Bibliografia Complementar

Tore Samuelsson; Genomics and Bioinformatics, Cambridge University Press, 2012. ISBN: 9781139022095

Métodos de ensino e atividades de aprendizagem

Aulas presenciais
Atividades dirigidas e supervisadas pelos tutores.
Tarefas/exercicios de aplicação dos conhecimentos aquiridos

Palavras Chave

Ciências Naturais > Ciências biológicas > Biologia > Genética
Ciências Naturais > Ciências biológicas > Biologia > Biologia computacional
Ciências Naturais > Ciências biológicas > Biologia > Biologia molecular

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho prático ou de projeto	90,00
Participação presencial	10,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Frequência das aulas	22,00
Trabalho de investigação	20,00
Total:	42,00

Obtenção de frequência

Fórmula de cálculo da classificação final

Provas e trabalhos especiais

Trabalho de estágio/projeto

não

Avaliação especial (TE, DA, ...)

Um trabalho/exercicio prático por cada capitulo do programa.

Melhoria de classificação

Modulado de acordo com a presença nas aulas

Observações

N.A.