Com a TECH estará atualizado sobre os avanços em Bioinformática e Big Data aplicados à Medicina”

A evolução da Bioinformática permitiu, nos últimos anos, grandes avanços científicos em diversos setores, como a agricultura, a alimentação e a área médica. É neste âmbito que a incorporação de novas técnicas e processamentos informáticos permitiram recolher uma grande quantidade de dados biológicos, trabalhar com eles e até criar um modelo 3D da proteína viral da espiga do COVID-19. Tudo isso não só leva a uma melhor compreensão dos processos virais, mas também à obtenção, em menor tempo, de vacinas ou medicamentos específicos.

Além disso, dada a velocidade de mutação e transmissão das doenças, a recolha massiva de dados clínicos e a sua análise levarão a uma atuação mais eficaz, desde a prevenção até à cura das mesmas. Uma realidade de grande interesse para os profissionais de Medicina que desejam estar atualizados sobre as novidades neste campo. Para isso, a TECH criou esta especialização em Bioinformática e Big Data em Medicina, elaborado por uma equipa de profissionais com vasta experiência nesta área.

Um curso 100% online, onde o especialista poderá aprofundar-se de forma dinâmica nas tendências futuras da computação em Bioinformática, nas técnicas de análise utilizadas nos conjuntos de dados biomédicos ou nas diferentes ferramentas utilizadas pela engenharia nos bioprocessos. Tudo isso, através de um conteúdo com uma abordagem teórico-prática, complementado com recursos didáticos multimédia de excelente qualidade.

Além disso, graças ao método Relearning, o profissoinal poderá avançar pelo conteúdo de forma progressiva e reduzir as longas horas de estudo com a repetição dos conceitos chave ao longo desta especialização.

Dessa forma, esta instituição académica oferece ao especialista a informação mais relevante e atual sobre Bioinformática e Big Data em Medicina, através de uma especialização flexível, à qual pode aceder, quando e onde desejar. E é que basta ter um dispositivo eletrónico (computador, tablet ou telemóvel) com ligação à internet para visualizar, a qualquer momento, o conteúdo alojado no Campus Virtual. Uma opção ideal para quem procura compatibilizar as responsabilidades mais exigentes com uma qualificação universitária de qualidade.

Adentre-se com esta especialização no uso de algoritmos de Machine Learning em saúde pública e na problemática existente com a privacidade dos dados”

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

• O desenvolvimento de estudos de casos apresentados por especialistas em Bioinformática e Big Data
• 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

O sistema Relearning, utilizado pela TECH, permitirá reduzir as longas horas de estudo e consolidar de forma mais simples os conceitos chave”

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 educativa, permitirá ao profissional uma aprendizagem situada e contextual, ou seja, um ambiente simulado que proporcionará uma formação imersiva programada para treinar-se 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.

Aprofunde-se com este Curso de especialização nas técnicas de obtenção de dados massivos em transcriptómica”

Esta qualificação fornece-lhe as bases de dados biomédicas, de ADN e de Proteínas mais relevantes no campo da investigação médica”

O plano de estudos desta especialização foi desenvolvida por especialistas em Biomedicina e Bioinformática, com um vasto conhecimento deste domínio. Graças à sua contribuição, o profissional poderá atualizar-se sobre a computação em Bioinformática, as bases de dados em Biomedicina e o processamento massivo de dados de saúde. Tudo isto, com material didático multimédia inovador, que constitui uma biblioteca de recursos a que pode aceder a qualquer hora do dia, a partir de um dispositivo eletrónico com ligação à Internet.

Um currículo que dar-lhe-á a conhecer a computação em Bioinformática através de pílulas multimédia e recursos didáticos dinâmicos”

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. Caso de uso: microarrays de ARN
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. Base de dados biomédica
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 óhmicos

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-reportados de 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 (RAMs)

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

2.9. Plano de gestão de dados de Investigação. 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

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 (Tecnologia 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

Uma especialização que mostrará as tendências atuais do Big Data aplicado à Medicina e a sua utilidade na prevenção de doenças”