Saltar para:
Logótipo
Você está em: Início » MBE04

Metabolismo in silico

Código: MBE04     Sigla: MIS

Áreas Científicas
Classificação Área Científica
CNAEF Medicina

Ocorrência: 2021/2022 - 1S (de 13-09-2021 a 06-02-2022) Ícone do Moodle

Ativa? Sim
Unidade Responsável: Departamento de Biomedicina
Curso/CE Responsável: Mestrado em Metabolismo - Biopatologia e Experimentação

Ciclos de Estudo/Cursos

Sigla Nº de Estudantes Plano de Estudos Anos Curriculares Créditos UCN Créditos ECTS Horas de Contacto Horas Totais
MBE 7 Plano Oficial 1 - 6 42 162

Docência - Responsabilidades

Docente Responsabilidade
Filipe Almeida Monteiro Regente
João Firmino Domingues Barbosa Machado Regente

Docência - Horas

Teórica: 0,14
Práticas Laboratoriais: 2,86
Tipo Docente Turmas Horas
Teórica Totais 1 0,142
João Firmino Domingues Barbosa Machado 0,142
Práticas Laboratoriais Totais 1 2,857
Filipe Almeida Monteiro 1,50
João Firmino Domingues Barbosa Machado 1,357

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

A) Adquirir conhecimento teórico sobre ferramentas bioinformáticas e procedimentos de análise de dados moleculares e experimentais frequentemente utilizados no âmbito das ciências da vida e da saúde;

B) Desenvolver autonomia e competências práticas ao nível da bioinformática (consulta e obtenção de dados moleculares, analise e integração de dados biológicos) e bioestatística (análise de dados utilizando para o efeito software estatístico apropriado);
C) Obter competências de interpretação dos resultados de forma crítica, compreendendo as capacidades e limitações das ferramentas/métodos de análise.

A aquisição destas competências é necessária ao desenho e desenvolvimento de projetos de investigação tendo em vista a elaboração da tese de Mestrado.  Além disso, permitem a compreensão do trabalho realizado por outros investigadores e promovem o estabelecimento de colaborações.

Resultados de aprendizagem e competências

No módulo de bioinformática molecular, os conteúdos programáticos visam colmatar lacunas de aprendizagem dos estudantes.  Estas lacunas devem-se muitas vezes ao desconhecimento de ferramentas bioinformáticas, as quais estão permanentemente em atualização e desenvolvimento, ou à falta de conhecimento na sua utilização prática.  Os conteúdos programáticos iniciam-se com a apresentação de diversas bases de dados/repositórios de sequências, seguido da comparação e análise de sequências para predição de propriedades biológicas e terminando com a procura da ontogenia de genes e integração de dados biológicos, seguindo uma sequência do mais básico para o mais complexo permitindo ao estudante a integração de conhecimentos.  Em suma, este módulo torna o estudante apto a utilizar com confiança uma grande diversidade de ferramentas bioinformáticas necessárias à investigação no quadro do ciclo de estudos.

 

No módulo de Bioestatística serão abordados os principais procedimentos de análise de dados, na qual será cumprida a seguinte organização da formação e treino dos estudantes:

  • Formular a pergunta de investigação clínica inicial/necessidade do investigador;
  • Identificar qual (quais) os procedimentos de análise de dados necessários para a responder à pergunta de investigação clínica definida;
  • Implementar os procedimentos de análise de dados em software estatístico apropriado e proceder à interpretação dos resultados obtidos;
  • Desenhar e implementar uma estratégia de comunicação da evidência gerada.

 

Esta sequência de passos de aprendizagem será dinamizada utilizando exemplos reais, os quais serão apresentados aos estudantes sob a forma de problemas (problem-based learning). Estes serão resolvidos recorrendo a software de análise de dados apropriado. Utilizando esta estratégia de ensino-aprendizagem será garantido o cumprimento dos objetivos de aprendizagem A), B), C).

Adicionalmente, para garantir o pleno cumprimento dos objetivos pedagógicos B) e C), será solicitada a execução, de forma autónoma, de análises de dados, bem como a construção de estratégias de comunicação dos resultados obtidos. Em todas as aulas, serão também discutidos artigos científicos previamente publicados, de forma a ilustrar as estratégias de comunicação que poderão ser utilizadas para divulgação de evidência científica.

Modo de trabalho

Presencial

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

Saber trabalhar com o computador na ótica do utilizador.

Programa

Módulo de Bioinformática Molecular

  • Bases de dados contendo sequências: introdução, exemplos, comparação, recolha de dados;
  • Comparação de sequências: ferramentas para alinhamento e procura de similaridade, homologia, motivos e domínios proteicos;
  • Análise de sequências: predição de propriedades biológicas a partir de sequências de DNA, RNA e proteína. Desenho de primers para clonagem e análise de expressão de genes. Desenho de siRNAs. Mapas de restrição enzimática;
  • Ontologia genética: predição de processos biológicos enriquecidos a partir de experiências de rastreio em larga escala. Repositórios de dados de expressão genética. Variações de sequência e mutações associadas a doenças;
  • Integração de dados biológicos: comparação de listas de genes e consulta de vários bancos de dados em simultâneo.

Módulo de Bioestatística

  • Ambiente do software SPSS® - principais menus e organização global;
  • Construção de bases de dados em SPSS®;
  • Aplicação dos principais procedimentos de análises de dados no contexto do SPSS®;
  • Análise descritiva de variáveis – frequências absolutas e relativas, medidas de tendência central, medidas de dispersão;
  • Procedimentos estatísticos de análise da distribuição Normal de uma variável contínua: inspeção visual do histograma, análise da assimetria e achatamento do histograma, testes de Kolmogorov-Smirnov/Shapiro-Wilk;

  • Testes de comparação de proporções que utilizam duas variáveis categóricas: qui-quadrado e teste exato de Fisher;

  • Testes de correlação entre duas variáveis contínuas: testes de correlação de Pearson e Spearman;

  • Testes de comparação de variáveis contínuas entre dois ou mais grupos:

             - Testes paramétricos: Teste T de Student para uma amostra, Teste T de Student para amostras independentes/amostras emparelhadas, One-way analysis of variance (ANOVA);

              - Testes não-paramétricos: Teste de Wilcoxon, Teste de Mann-Whitney, Teste de Kruskal Wallis;

  • Medidas de associação: diferença de médias, diferença de proporções, odds ratio, risk ratio;

  • Análise multivariada: procedimentos de regressão

              - Tipologias de regressão: linear, logística binária, Cox, Poisson;

              - Exemplos de aplicação de regressão linear.

Bibliografia Obrigatória

Xiong, J ; Essential Bioinformatics, Cambridge University Press, 2007
Field, A; Discovering statistics using SPSS, SAGE Publications Ltd, 2009
Norman, G. R., & Streiner, D. L. ; Biostatistics: the bare essentials , BC Decker Inc, 2008

Bibliografia Complementar

https://www.youtube.com/user/NCBINLM; NCBI Tutorials Video Channel: NCBI YouTube channel featuring short tutorials on the use of many NCBI resources
https://www.youtube.com/user/EBImedia/videos; EMBL-EBI Tutorials Video Channel: EBI YouTube Channel featuring tutorials on Ensembl genome browser

Métodos de ensino e atividades de aprendizagem

As metodologias de ensino de cada módulo são as seguintes:

- O módulo de Bioinformática Molecular é constituído por aulas teórico-práticas; 

- O módulo de Bioestatística é constituído por sessões teóricas (10%), teórico-práticas (50%) e práticas (40%). 

Software

GraphPad Prism
SPSS Statistics

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação Peso (%)
Participação presencial 10,00
Exame 30,00
Trabalho prático ou de projeto 60,00
Total: 100,00

Componentes de Ocupação

Designação Tempo (Horas)
Estudo autónomo 20,00
Frequência das aulas 42,00
Trabalho escrito 100,00
Total: 162,00

Obtenção de frequência

Frequência aos dois módulos com aproveitamento mínimo de sete valores (em vinte) em cada um.

Fórmula de cálculo da classificação final

Para obter aprovação final à unidade curricular é necessária uma classificação mínima de 7 valores (em 20) num dos módulos e a classificação final (CF) deve ser ≥10 valores.  A CF resulta da média das classificações obtidas em cada módulo com base na seguinte fórmula de cálculo:

CF = (Módulo 1 + Módulo 2) / 2

As componentes de avaliação em cada módulo são as seguintes:

- No módulo de Bioinformática Molecular a avaliação consiste num trabalho individual escrito baseado na resolução dos problemas propostos em todas as aulas (80%) e avaliação contínua considerando a participação pertinente e pontualidade (20%);

- No módulo de Bioestatística a classificação final é determinada por um exame final escrito (60% classificação) e por quatro trabalhos práticos (cada um deles correspondendo a 10% da classificação final).

Melhoria de classificação

Existe a possibilidade de melhorar a classificação por frequência.
Recomendar Página Voltar ao Topo
Copyright 1996-2022 © Faculdade de Medicina da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2022-08-14 às 01:07:00 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias