Código: | BIOL4012 | Sigla: | BIOL4012 |
Áreas Científicas | |
---|---|
Classificação | Área Científica |
OFICIAL | Biologia |
Ativa? | Sim |
Unidade Responsável: | Departamento de Biologia |
Curso/CE Responsável: | Mestrado em Biologia Funcional e Biotecnologia de Plantas |
Sigla | Nº de Estudantes | Plano de Estudos | Anos Curriculares | Créditos UCN | Créditos ECTS | Horas de Contacto | Horas Totais |
---|---|---|---|---|---|---|---|
M:BFBP | 0 | Plano de Estudos M:BFBP_2015_2016 | 1 | - | 6 | 42 | 162 |
Docente | Responsabilidade |
---|---|
Herlander Azevedo | Regente |
Teorico-Prática: | 3,23 |
Tipo | Docente | Turmas | Horas |
---|---|---|---|
Teorico-Prática | Totais | 1 | 3,23 |
Maria Isabel de Pinho Pessoa de Amorim | 1,23 | ||
Herlander Azevedo | 2,00 |
Objetivos gerais:
Desenvolver uma visão integrada da estrutura e funcionamento dos genomas, transcriptomas e proteomas e conhecer as modernas metodologias associadas à genómica funcional, incluindo sequenciação, anotação, análise in silico de bases de dados funcionais, transcriptómica e princípios gerais de bioinformática.
Objetivos específicos:
- Comparar os genes e família de genes entre plantas modelo como Arabidopsis thaliana e espécies de interesse agrícola; conhecer recursos de genómica comparativa.
- Utilizar as principais ferramentas de análise in silico/bioinformáticas para a caracterização de genes e proteínas em plantas.
- Analisar dados de expressão de genes por RNA-Seq de forma a caracterizar genes diferencialmente expressos.
- Utilizar ferramentas de interpretação e análise de dados de proteína. Caracterizar proteínas quanto a parâmetros bioquímicos, previsão de localização subcelular e de modificações pós-traducionais, previsão de estrutura 3D.
- Conhecer princípios fundamentais da análise bioinformática; experimentar a utilização de linhas de comandos em ambiente LINUX.
Após conclusão da UC, o estudante deverá ser capaz de:
- Compreender a importância e dinâmica da anotação de genomas;
- Manipular sequências de DNA;
- Descobrir a utilização da várias bases de dados associadas à análise da expressão de genes, redes de co-expressão e de redes funcionais, enriquecimento GO, caracterização de proteínas, genómica comparativa, atribuição automatizada de famílias de genes, filogenias.
- Compreender os principais passos metodológicos associados a transcriptómica por RNA-seq;
- Familiarizar-se com os conceitos associados a bioinformática avançada e ter um primeiro contacto com ambiente LINUX.
Análise de genes e anotação de genomas recorrendo a bases de dados em plataformas como o Ensembl Plants, Phytozome, PLAZA, NCBI. Identificação de grelhas de leitura aberta (ORF Finder).
Busca de similaridade entre sequências (BLAST no NCBI). Alinhamento múltiplo de sequências (e.g. ClustalW). Pesquisa e manipulação de sequências de DNA usando BLAST/MEGA.
Análise de expressão de genes em diferentes orgãos ou tecidos e ainda em condições de stress abiótico e biótico, baseada em atlas de expressão de genes disponíveis in silico (e.g. BAR). Análise de redes de co-expressão (e.g. ATTED-II) e de redes funcionais (e.g. STRING). Análise de enriquecimento GO de listas de genes de interesse (e.g. PANTHER).
Caracterização de proteínas com base em parâmetros bioquímicos, previsão de localização subcelular e sinais de endereçamento para compartimentos celulares, previsão de modificações pós-tradução, previsão de domínios funcionais e de estrutura tridimensional. Ferramentas de análise de proteínas (e.g. UniProtKB, KEGG).
Genómica comparativa: analises de atribuição automatizada de famílias de genes, sintenia de genomas e arvores filogenéticas geradas automaticamente (e.g. Ensembl Plants, Plaza, Phylogenes). Ferramentas de alinhamento e geração manual de árvores filogenéticas.
Revisão dos principais conceitos de NGS e análise transcriptómica por RNA-Seq. Tutoriais e pipelines para análise de dados. Exercício bioinformático de RNASeq: análise de read counts (read counts, normalização), análise exploratória dos dados (PCA, MDS, Clusterização), análise da expressão diferencial de genes (métodos, plots MA e volcano), análise de listas de genes diferencialmente expressos.
Alguns conceitos importantes em bioinformática: ambiente LINUX; terminal vs GUI; comandos (one-liners) vs scripts; principais linguagens de programação (Pearl, Python, Java); infraestruturas para computação na cloud. Exercício de bioinformática em LINUX: orientação na linha de comando LINUX, lidar com ficheiros fasta.
As metodologias de ensino incluem:
- Aulas expositivas com recurso a apresentações powerpoint, sendo incentivada a participação dos estudantes através de uma componente de discussão.
- Aulas interativas e de resolução de problemas ou exercícios, envolvendo os estudantes num processo mais ativo.
- Análise de casos de estudo que ilustrem os principais desafios e as soluções encontradas em temas da unidade curricular.
Designação | Peso (%) |
---|---|
Exame | 60,00 |
Apresentação/discussão de um trabalho científico | 40,00 |
Total: | 100,00 |
Designação | Tempo (Horas) |
---|---|
Estudo autónomo | 70,00 |
Frequência das aulas | 42,00 |
Apresentação/discussão de um trabalho científico | 50,00 |
Total: | 162,00 |
- Presença em 75% das aulas.
- Realização de todos os componentes do processo de avaliação.
- Nota mínima de 6 valores (0 a 20) à componente Exame.
1. Apresentação oral (40%): análise in silico de um gene de interesse, utilizando o conjunto de ferramentas de inferência de informação funcional lecionados nas aulas.
2. Exame (60%): exame sobre conteúdos lecionados na UC incluindo resolução de exercícios práticos.
Será possível fazer melhoria à componente 1 (Exame), dentro das condições e prazos legalmente definidos.
Coordenador – Herlander Azevedo
Júri – Herlander Azevedo, Isabel Amorim