Uma opção de estudo que o capacitará na área de computação e no uso de algoritmos de Machine Learning em saúde pública, para que torne-se um especialista industrial em Bioinformática”

A explosão da Bioinformática como disciplina indispensável em muitos campos, como a biomedicina, a agricultura ou a alimentação, gerou um grande aumento na demanda por profissionais. A rapidez com que as novas doenças adaptam-se ao ambiente para manter-se é o que torna necessária uma capacitação especializada para engenheiros analistas de dados que respondam às mudanças emergentes.

Atualmente, a mutação do genoma viral da COVID-19 foi um dos motivos pelos quais a disciplina de bioinformática passou a ocupar um lugar de destaque na medicina. Por essa razão, a TECH criou uma via de aprendizagem digital, destinada a instruir engenheiros na área de computação e Big Data. O plano de estudos é sustentado por uma equipe profissional dedicada ao setor e que estará disponível para realizar um acompanhamento exaustivo do aluno e resolver todas as suas dúvidas sobre a matéria.

Este Curso de especialização em Bioinformática e Big Data em Medicina corresponde a uma qualificação com um design adaptado aos novos meios que facilita o aprendizado do aluno, graças à sua modalidade 100% online e seus conteúdos audiovisuais. Além disso, ao contar com um temário descarregável, o aluno poderá ter acesso aos materiais sem internet e, até mesmo, após ter completado o Curso de especialização.

Ainda não conhece a evolução do Big Data na medicina? Inscreva-se numa qualificação que não só lhe ensinará a compreender a importância das bases de dados, mas também a aplicá-las em centros de saúde”

Este Curso de especialização em Bioinformática e Big Data em Medicina conta com o conteúdo educacional mais completo e atualizado do mercado. As suas principais características são: 

• O desenvolvimento de estudos de casos apresentados por especialistas em bioinformática e bases de dados
• Os conteúdos gráficos, esquemáticos e eminentemente práticos com que foi concebido fornecem uma informação prática sobre as disciplinas que são indispensáveis para a prática profissional
• Os exercícios práticos onde o processo de autoavaliação pode ser efetuado a fim de melhorar a aprendizagem
• O seu foco especial em metodologias inovadoras
• As aulas teóricas, perguntas ao especialista, fóruns de discussão sobre questões controversas e atividades de reflexão individual
• A disponibilidade de acesso aos conteúdos a partir de qualquer dispositivo fixo ou portátil com conexão à Internet

A informação é poder, inscreva-se neste Curso de especialização para investigar as técnicas de pré-processamento de dados através de ferramentas como Gene Ontology e KEGG”

O curso inclui, no seu corpo docente, profissionais da área que partilham nesta formação a experiência do seu trabalho, além de reconhecidos especialistas de sociedades de referência e universidades de prestígio.

O seu conteúdo multimédia, desenvolvido com a mais recente tecnologia educacional, irá permitir que o profissional tenha acesso a uma aprendizagem situada e contextual; isto é, um ambiente de simulação que proporcionará uma capacitação imersiva, programada para praticar em situações reais.

O design deste curso foca-se na Aprendizagem Baseada em Problemas, através da qual o profissional deverá tentar resolver as diferentes situações da atividade profissional que surgem ao longo do curso. Para tal, contará com a ajuda de um sistema inovador de vídeo interativo desenvolvido por especialistas reconhecidos.

Graças à TECH, poderá interpretar grandes volumes de dados e colaborar em linhas de pesquisa e ensaios”

Desenvolva terapias mais eficazes e com menos efeitos colaterais sobre o corpo humano, graças às bases de dados de Reações Adversas a Medicamentos (RAM)”

O conteúdo deste Curso de especialização em Bioinformática e Big Data em Medicina foi desenvolvido detalhadamente por profissionais que atuam no setor de engenharia biológica e bioinformática. Graças à sua contribuição e à incorporação de ferramentas tecnológicas, o aluno terá à sua disposição conteúdos audiovisuais em diversos formatos que auxiliarão em sua capacitação. Além disso, a metodologia Relearning aplicada pela TECH permite que o aluno se esqueça de longas horas de estudo, assimilando os conceitos de forma constante. Dessa forma, o estudo 100% online se adaptará à sua disponibilidade, por meio de exercícios teórico-práticos que o prepararão para casos reais.

A informática faz parte de nós, agora pode otimizar os fluxos de informação para potencializar a divulgação clínica”

Módulo 1. Computação em bioinformática

1.1. Dogma central em bioinformática e computação. Estado atual

1.1.1. A aplicação ideal em bioinformática
1.1.2. Desenvolvimentos em paralelo em biologia molecular e computação
1.1.3. Dogma em biologia e teoria da informação
1.1.4. Fluxos de informação

1.2. Bases de dados para computação em bioinformática

1.2.1. Bases de dados
1.2.2. Gestão de dados
1.2.3. Ciclo de vida dos dados em bioinformática

1.2.3.1. Uso
1.2.3.2. Modificação
1.2.3.3. Arquivamento
1.2.3.4. Reuso
1.2.3.5. Descarte

1.2.4. Tecnologia de bases de dados em bioinformática

1.2.4.1. Arquitetura
1.2.4.2. Gestão de bases de dados

1.2.5. Interfaces para bases de dados em bioinformática

1.3. Redes para computação em bioinformática

1.3.1. Modelos de comunicação. Redes LA, WAN, MAN e PAN
1.3.2. Protocolos e transmissão de dados
1.3.3. Topologia de redes
1.3.4. Hardware em Datacenters para computação
1.3.5. Segurança, gestão e implementação

1.4. Motores de busca em bioinformática

1.4.1. Motores de busca em bioinformática
1.4.2. Processos e tecnologias dos motores de busca em bioinformática
1.4.3. Modelos computacionais: algoritmos de busca e aproximação

1.5. Visualização de dados em bioinformática

1.5.1. Visualização de sequências biológicas
1.5.2. Visualização de estruturas biológicas

1.5.2.1. Ferramentas de visualização
1.5.2.2. Ferramentas de renderização

1.5.3. Interface de usuário para aplicações em bioinformática
1.5.4. Arquiteturas de informação para visualização em bioinformática

1.6. Estatística para computação

1.6.1. Conceitos estatísticos para computação em bioinformática
1.6.2. Casos de uso: Microarrays de MARN
1.6.3. Dados imperfeitos. Erros em estatística: aleatoriedade, aproximação, ruído e suposições
1.6.4. Quantificação do erro: precisão, sensibilidade e especificidade
1.6.5. Clusterização e classificação

1.7. Mineração de dados

1.7.1. Métodos de mineração e computação de dados
1.7.2. Infraestrutura para computação e mineração de dados
1.7.3. Descoberta e reconhecimento de padrões
1.7.4. Aprendizado de máquina e novas ferramentas

1.8. Coincidência de padrões genéticos

1.8.1. Coincidência de padrões genéticos
1.8.2. Métodos de computação para alinhamentos de sequências
1.8.3. Ferramentas para coincidência de padrões

1.9. Modelagem e simulação

1.9.1. Uso no campo farmacêutico: descoberta de fármacos
1.9.2. Estrutura de proteínas e biologia de sistemas
1.9.3. Ferramentas disponíveis e futuro

1.10. Colaboração e projetos de computação online

1.10.1. Computação em rede
1.10.2. Padrões e regras. Uniformidade, consistência e interoperabilidade
1.10.3. Projetos de computação colaborativa

Módulo 2. Bases de dados biomédicas

2.1. Bases de dados biomédicas

2.1.1. Bases de dados biomédicas
2.1.2. Bases de dados primárias e secundárias
2.1.3. Principais bases de dados

2.2. Bases de dados de ADN

2.2.1. Bases de dados de genomas
2.2.2. Bases de dados de genes
2.2.3. Bases de dados de mutações e polimorfismos

2.3. Bases de dados de proteínas

2.3.1. Bases de dados de sequências primárias
2.3.2. Bases de dados de sequências secundárias e domínios
2.3.3. Bases de dados de estruturas macromoleculares

2.4. Bases de dados de projetos ómicos

2.4.1. Bases de dados para estudos de genómica
2.4.2. Bases de dados para estudos de transcriptómica
2.4.3. Bases de dados para estudos de proteómica

2.5. Bases de dados de doenças genéticas. Medicina personalizada e de precisão

2.5.1. Bases de dados de doenças genéticas
2.5.2. Medicina de precisão. Necessidade de integração de dados genéticos
2.5.3. Extração de dados de OMIM

2.6. Repositórios auto-declarados pelos pacientes

2.6.1. Uso secundário do dado
2.6.2. O paciente na gestão dos dados depositados
2.6.3. Repositórios de questionários auto-reportados. Exemplos

2.7. Bases de dados em aberto Elixir

2.7.1. Bases de dados em aberto Elixir
2.7.2. Bases de dados recolhidas na plataforma Elixir
2.7.3. Critério de escolha entre uma e outra base de dados

2.8. Bases de dados de Reações Adversas a Medicamentos (RAM)

2.8.1. Processo de desenvolvimento farmacológico
2.8.2. Relatório de reações adversas a fármacos
2.8.3. Repositórios de reações adversas a nível local, nacional, europeu e Internacional

2.9. Plano de gestão de dados de pesquisa. Dados a depositar em bases de dados públicas

2.9.1. Plano de gestão de dados
2.9.2. Custódia dos dados resultantes de pesquisa
2.9.3. Depósito de dados em uma base de dados pública

2.10. Bases de dados clínicas. Problemas com o uso secundário de dados em saúde

2.10.1. Repositórios de histórias clínicas
2.10.2. Criptografia de dados
2.10.3. Acesso ao dado sanitário. Legislação

Módulo 3. Big Data em medicina: processamento massivo de dados médicos

3.1. Big Data em pesquisa biomédica

3.1.1. Geração de dados em biomedicina
3.1.2. Alto desempenho (Tecnología High-throughput)
3.1.3. Utilidade dos dados de alto desempenho. Hipóteses na era do Big Data

3.2. Pré-processamento de dados em Big Data

3.2.1. Pré-processamento de dados
3.2.2. Métodos e abordagens
3.2.3. Problemas do pré-processamento de dados em Big Data

3.3. Genómica estrutural

3.3.1. A sequenciação do genoma humano
3.3.2. Sequenciação vs. Chips
3.3.3. Descobrimento de variantes

3.4. Genómica funcional

3.4.1. Anotação funcional
3.4.2. Preditores de risco em mutações
3.4.3. Estudos de associação em genómica

3.5. Transcriptómica

3.5.1. Técnicas de obtenção de dados massivos em transcriptómica: RNA-seq
3.5.2. Normalização de dados em transcriptómica
3.5.3. Estudos de expressão diferencial

3.6. Interatómica e epigenómica

3.6.1. O papel da cromatina na expressão genética
3.6.2. Estudos de alto desempenho em interatómica
3.6.3. Estudos de alto desempenho em epigenética

3.7. Proteómica

3.7.1. Análise de dados de espectrometria de massas
3.7.2. Estudo de modificações pós-traducionais
3.7.3. Proteómica quantitativa

3.8. Técnicas de enriquecimento e Clustering

3.8.1. Contextualização dos resultados
3.8.2. Algoritmos de Clustering em técnicas ómicas
3.8.3. Repositórios para o enriquecimento: Gene Ontology e KEGG

3.9. Aplicações do Big Data em saúde pública

3.9.1. Descoberta de novos biomarcadores e alvos terapêuticos
3.9.2. Preditores de risco
3.9.3. Medicina personalizada

3.10. Big Data aplicado em medicina

3.10.1. O potencial da ajuda ao diagnóstico e prevenção
3.10.2. Uso de algoritmos de Machine Learning em saúde pública
3.10.3. O problema da privacidade

Dê o passo para atualizar-se nas últimas novidades em Bioinformática e Big Data em Medicina”