Graças à TECH, conhecerá o desenvolvimento minimamente invasivo de práticas clínicas em apenas 6 meses de instrução académica”  

A incorporação da bioinformática no campo da saúde é um avanço que atua paralelamente com o Big Data e, com o COVID, foi fundamental para o conhecimento e a interpretação de dados a nível mundial. Estas disciplinas permitem o manuseamento do enorme volume de dados que geram as novas tecnologias ómicas. A bioinformática é uma abordagem à mutação da biologia com um elevado grau, razão pela qual tem ganhado importância ao longo dos anos e da sua evidência científica.  

Atualmente, controlar a mutação das doenças epidémicas é a principal razão pela qual os estudos sobre bioinformática aumentaram. Se fosse possível, a vacina teria sido única e não seria necessário procurar alternativas consoante a variação da doença. Por esta razão, a TECH  oferece um Curso de especialização de Bioinformática e Big Data em Medicina, destinado a profissionais em Enfermagem para expandir e atualizar os conhecimentos destes, de modo a que possam aplicá-los no seu trabalho diário.  

Este Curso de especialização é apoiado por uma equipa docente especializada em biomedicina que transmitirá não só conhecimentos teóricos aos alunos, mas também os instruirá com base na sua própria experiência real através de simulações de casos. Além disso, a TECH aplica a metodologia Relearning para oferecer uma instrução dinâmica que não exige longas horas de memorização.  Ademais, graças à sua modalidade 100% online e aos conteúdos audiovisuais, os alunos poderão adaptar o ritmo de estudo às suas possibilidades pessoais e profissionais.  

Ainda não domina os algoritmos de Machine Learning? Inscreva-se agora numa especialização que não só o ensinará a compreender a computação em saúde pública, como também o instruirá em bioinformática” 

Este ##ESTUDIO## de 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 base 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 

Graças à TECH, poderá compreender os pormenores da bioinformática e tornar-se um profissional muito mais competente e competitivo no mercado de trabalho” 

O programa 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.   

A prevenção e o diagnóstico sanitário estão nas mãos da tecnologia e de como os profissionais do futuro souberem implementá-la. Atualize-se com a TECH"

Inscreva-se agora neste Curso de especialização para saber mais sobre técnicas de pré-processamento de dados com Gene Ontology e KEGG"

O  plano de estudos deste Curso de especialização de Bioinformática e Big Data em Medicina foi cuidadosamente elaborado por profissionais que atuam no setor da bioinformática e da biomedicina, entre outras disciplinas das Ciências da Saúde. Trata-se de uma qualificação 100% online que dinamiza o processo educativo em torno dos conhecimentos em computação, bases de dados biomédicos e Big Data em medicina. A TECHconsegue isso graças à inovadora metodologia Relearning. Com esta metodologia, os alunos não terão de investir longas horas em memorização, mas poderão assimilar os conteúdos de forma gradual e constante. Dessa forma, o estudo será totalmente flexível em relação à sua disponibilidade, proporcionando uma experiência académica personalizada e adequada às suas obrigações profissionais e pessoais.  

Desenvolva a biologia molecular e a computação em paralelo para ser testemunha das suas múltiplas vantagens. Só assim será parte da evolução na Saúde”  

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 LAN, 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 

2.2.1. 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 reações adversas a nível local, nacional, 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 
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 das 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 y 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 concebida para ajuda-lo a descobrir novos biomarcadores e alvos terapêuticos, graças à aplicação de Big Data”