Transformando a medicina com abordagem sistemá2ca de dados gené2cos. Mauricio Carneiro Broad Ins2tute of MIT and Harvard
|
|
- Marcelo da Fonseca Belo
- 8 Há anos
- Visualizações:
Transcrição
1 Transformando a medicina com abordagem sistemá2ca de dados gené2cos Mauricio Carneiro Broad Ins2tute of MIT and Harvard
2
3 Sequenciadores no mercado Illumina HiSeq 2500 Padrão do mercado, maior volume de dados e qualidade por base. Referencia para sequenciamento humano. (MiSeq) Versão de bancada do HiSeq com menor volume para projetos pequenos (1 exoma por rodada) Life Technologies Ion Proton Sequenciamento por semicondutores é o principal compe2dor no mercado. Tecnologia é acurada para iden2ficação de mutações pontuais mas sofre de erros sistemá2cos em inserções e deleções. (Ion) Versão de bancada do Ion Proton. Pacific Biosciences RS II Único sequenciador com reads de até 20,000 bases e capaz de iden2ficar me2lação de bases. Excelente para montagens de pequenos genomas (microorganismos). Futuros sequenciadores com potencial de mudar o mercado Oxford Nanopores, GNUBio e QIAGEN. Histórico (em desuso) Solid, 454 e Sanger.
4 Total Gb produced Sequenciamento no Broad Institute" Total Gb produced Total Gb produced = 500,000 Gb 2013 = 1.5 Pb Stacey Gabriel
5 Sequenciamento humano para projetos de pesquisa clinica vem em 4 modelos Sequenciamento de alvos especificos (targeted) Geralmente u2lizado para iden2ficar alvos de interesse específico (ex: APOE para alzheimer) Exoma completo (WES) Típico projeto para avaliação correlação gené2ca para doenças e pequisa. (ex: diabetes, au2smo, distrofia muscular ) Genoma completo em baixa cobertura (low pass WGS) Usado para iden2ficar variação de baixa frequência em população (ex: 1000 genomes project) Genoma completo em alta cobertura (high pass WGS) Quando é preciso entender tudo* sobre um paciente (ex: avaliação clínica).
6 Desenho para captura de exoma Inter-genic" Exon I" Intron I" Exon II" Inter-genic" Variant site" 150x reads" Nenhuma cobertura fora do alvo" Bases sequenciadas" ~32Mb" Variantes por amostra" ~20K" Cobertura" Produção" 5 Gb" % variação no genoma" 0.5%" Pr{singleton discovery}" ~95%" # lanes de HiSeq 2500" ~0.33" Pr{common allele discovery}" ~95%"
7 Genoma completo em baixa cobertura Inter-genic" Exon I" Intron I" Variant site" Exon II" Inter-genic" ~4x reads" Heterozigotos podem ser confundidos com homozigotos" Variantes perdidas por amostragem" Poder suficiente para encontrar sites heterozigotos" Bases sequenciadas" ~3 Gb" Variantes por amostra" ~3M" Cobertura" Avg. 4x" % variação no genoma" ~90%" Produção" 20 Gb" Pr{singleton discovery}" <50%" # lanes de HiSeq 2500" ~1.25" Pr{common allele discovery}" ~99%"
8 Genoma completo em alta cobertura Inter-genic" Exon I" Intron I" Variant site" Exon II" Inter-genic" ~30x reads" Excelente sensibilidade para hetero- e homozigotos" Alta cobertura permite alta definição em genotipagem" Bases sequenciadas" ~3 Gb" Variantes por amostra" ~3-5M" Cobertura" Produção" ~30x" 100 Gb" % variação no genoma" >99%" Pr{singleton discovery}" >99%" # lanes de HiSeq 2500" ~8 lanes" Pr{common allele discovery}" >99%"
9 Usando uma variedade de desenhos experimentais, de acordo com o obje2vo do projeto Validação de gens candidatos FHS, Pfizer, EOMI, muitos outros Cobertura por amostra Alta cobertura Alzheimer, Esquizofrenia e desenvolvimento de tecnologia Projetos de exoma completo ESP, AuDsmo, diabetes Target size ~100 genes Whole exome Whole genome Baixa cobertura 1000 Genomes, T2D GO Number of samples
10 ENTENDENDO DADOS DE SEQUENCIAMENTO 10
11
12 NGS cria uma oportunidade sem precedentes de caracterizar variação genética em milhares de pacientes a um custo accessível" Bases não referência são coloridas; bases referência são cinza heterozigoto C/T Primeiro e segundo par da read OBJETIVO: desenvolver algorilmos eficazes, eficientes, escaláveis e confiáveis para iden2car variantes (SNPs, indels e variação estrutural) de reads alinhadas Individual reads aligned to the genome Genoma referência
13 Como descobrir sites envolvidos em doença em três passos simples 1. Obter milhares de pacientes afetados e dezenas de milhares de indivíduos não afetados. 2. Sequenciar amostras Descobrir polimorfismos (SNPs, indels, etc) entre as amostras. Determinar o genó2po de todas as amostras em cada site variante. 3. Buscar diferenças sistemá2cas em genó2pos de pacientes vs individuos em todos os sites. Pacientes Amostra 1 Sequenciador NGS data 1 Amostra N Dados para todas as amostras Análise conjunta SNP Individuos NGS data N Polimorfismos Indel Pacientes 10/ /1000 Individuos 25/2000 1/2000 Associação (P)
14 A análise de todos os projetos começa com uma matriz quadrada de variantes x amostras Todas as amostras (casos e controles) ~3M variantes SNP Site Variante 1:10 A/C Amosra 1 0/0 0,10,100 Amostra 2 0/1 20,0,200 Amostra N 0/0 0,100,255 GenóLpos: 0/0 ref 0/1 het 1/1 hom- alt Indel CNV 1:100 T/TC 1:1000 T/<del> 0/0 0,10,100 0/0 0,10,100 0/0 0,20,200 0/1 20,0,200 1/0 255,0,255 0/0 0,100,255 X:1234 G/T 0/1 10,0,100 0/1 20,0,200 1/1 255,100,0 Verosimilhança: A probabilidade A/B/C (phred- scaled) de a amostra ser hom (A), het (B), hom- alt (C).
15 mas esses genomas tem que ser analisados consistentemente Genomica Clínica Um paciente afetado Comparado com vários controles vs Encontrar variantes consistentes com o modelo da doença (dominante, recessivo), normalmente condicionado nas variantes estarem ausentes / raras nos controles Genomica Muitos pacientes afetados Pesquisa Comparado com vários controles vs Encontrar variantes enriquecidos/depletados em individuos afetados, rela2vo aos controles Todos individuos devem ser consistentemente analisados, para que as diferenças entre groupos sejam por diferenças genélcas reais
16 Infelizmente a análise não é tão simples Processo de amostragem dificulta a análise direta Distribuição de leituras (reads) não é uniforme ou independente Algumas regiões tem redundância muito grande enquanto outras regiões possuem quase nenhuma. Sequenciadores cometem erros e tem limites Erros podem ser sistemá2cos ou aleatórios. Sequências com alto conteúdo de G/C são dirceis de manipular/ amplificar e portanto, sequenciar. Alinhamento não é perfeito O genoma tem muitas regiões copiadas, de rápida mutação e mutações estruturais (recombinações, grandes deleções, etc.)
17 Regiões dirceis do genoma não podem ser trivialmente análisadas manualmente
18 VIABILIZANDO A ANÁLISE DE DADOS GENÉTICOS 18
19 1000 Genomes Project Consórcio com a missão de mapear todas as variantes com frequência superior a 1% na população mundial. Começou em 2007 e influenciou a maneira de fazer pesquisa na área com 22 ins2tuições internacionais, involvendo indústria e academia. Iden2ficou imediatamente a necessidade de uma conduta mais sistemá2ca da análise e processamento de dados e 11 grupos iniciaram o desenvolvimento colabora2vo de algori2mos. Nosso grupo (GATK) representou o Broad Ins2tute nesse consórcio. Em dois anos de projeto, se tornou o padrão internacional. Nenhum individuo da america la2na
20 GATK (Genome Analysis Toolkit)" O que é o GATK:" Um kit de ferramentas para análise de dados genéticos produzido e distribuído lívre e aberto pelo Broad Institute." O GATK também é uma plataforma de desenolvimento." Impacto! uso do GATK desde 9/10 5M jobs, 50K CPU/dias em Dez Mais de 700 ferramentas (muitas desenvolvidas fora do Broad Institute)." Várias ferramentas do GATK são hoje o padrão na indústria para análise de dados genéticos." Mais de 3,000 visitas únicas por dia no site do GATK." Principal tecnologia em grandes projetos: 1000 Genomes, TCGA, ESP e a maioria dos grandes projetos financiados pelo NHGRI" Base para o Archon X Prize, Genomes in a Bottle e outros padrões internacionais de referência"! Publicações! DePristo et al. A framework for variation discovery and genotyping using next-generation DNA sequencing data. (2011) Nat. Genet." McKenna et al. (2010) The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data. Genome Res.!
21 Análise de variação de SNP e Indels é um 4 problema SNP calling de modelagem bayesiana" Prior do Verossimilhança do 4.1 Simple genotype likelihoods for presentations genótipo" genótipo" Modelo Bayesiano Pr{G} Pr{D G} Pr{G D} =, [Bayes rule] premissa i Pr{G i } Pr{D G i } diplóide" Pr{D G} = Pr{D j H 1 } + Pr{D j H 2 } where G = H 1 H j Pr{D H} is the haploid likelihood function 21" Inferencia: SNP qual haploid é o genó2po likelihood G de cada amostra dado a observação das reads D para cada amostra? Calcula- se via lei Pr{D de Bayes j H} a = probabilidade Pr{D j b}, [single de todos base os pileup] G possíveis Expansão produtorial assume que 1 as reads são independentes j D Pr{D j b} = j = b, Depende de uma função de versossimilhançapara j otherwise. es2mar a probabilidade de cada amostra dado um haplo2po candidato Indel haploid likelihood Veja para mais informações
22 Análise de multiplas amostras integra as verossimilhanças para estimar a frequência de variação" Reads de todas as amostras! Amostra 1" Verossimilhança de genótipos" Frequência alélica" Amostra 2" Estimativa conjunta de amostras" SNPs " e" Indels" Amostra N" Frequência genotípica" Es2ma2va simultânea de: Espectro de frequência alélica Pr{AF = i D} A probabilidade que a variante existe Pr{AF > 0 D} Designação de genó2pos para cada amostra Demostração matemática em: Li, Heng (2011) Bioinformatics 22"
23 Dificuldades da avaliação dos genó2pos usando a modelagem Bayesiana O alinhamento das reads não concordam em eventos de inserção/deleção principalmente em zonas de alta ambiguidade (ex: homo- polímeros) A função de verossimilhança (que depende da eslmalva de erro para cada base nas reads) não possuía a acurácia necessária para dis2nguir erro de variação real Apesar do rigor esta}s2co, falsas variantes são impossíveis de ser detectadas com uma visão local dos dados.
24 Melhor alinhamento através de realinhamento local de inserções e deleções" Phase 1:! NGS data processing! Effect of MSA on alignments NA12878, chr1:1,510,530-1,510,589 Input Raw reads rs rs rs rs rs Mapping Local realignment 1,000 Genomes Pilot 2 data, raw MAQ alignments 1,000 Genomes Pilot 2 data, after MSA Duplicate marking Base quality recalibration Output Analysis-ready reads HiSeq data, raw BWA alignments HiSeq data, after MSA DePristo, M., Banks, E., Poplin, R. et. al, (2011) A framework for variation discovery and genotyping using next-generation DNA sequencing data. Nat Genet.! 24"
25 Melhor estimativa de erro através de análise sistemática de probabilidades de cada base" Empirical Quality Phase 1:! NGS data processing! Input Roche/454 Illumina/GenomeAnalyzer Life/SOLiD Illumina/HiSeq Roche/ Raw reads Mapping Original, RMSE = Recalibrated, RMSE = Local 0 10 realignment Reported Quality Empirical Quality Original, RMSE = Recalibrated, RMSE = Reported Quality Empirical Quality Original, RMSE = Recalibrated, RMSE = Reported Quality Empirical Quality Accuracy (Empirical Reported Quality) Duplicate marking Original, RMSE = Recalibrated, RMSE = Base quality recalibration 0 50 Analysis-ready Output reads Machine Cycle Accuracy (Empirical Reported Quality) Second of pair reads Original, RMSE = Recalibrated, RMSE = Machine Cycle First of pair reads Accuracy (Empirical Reported Quality) Second of pair reads Original, RMSE = Recalibrated, RMSE = Machine Cycle First of pair reads Ryan 25" Poplin DePristo, M., Banks, E., Poplin, R. et. al, (2011) A framework for variation discovery and genotyping using next-generation DNA sequencing data. Nat Genet.! Accuracy (Empirical Reported Quality) S 30 Quality) 10 Original, RMSE = Recalibrated, RMSE = d Quality) Original, RMSE = Recalibrated, RMSE = d Quality) Original, RMSE = Recalibrated, RMSE = d Quality) 10
26 Usando machine learning para iden2ficar falsas variantes devido a erro/bias de sequenciamento" Treina- se Gaussian mixture model de covariantes de erro usando sites de variantes validadas Re- avaliação de novos sites através de consistência com GMM clusters DePristo, M., Banks, E., Poplin, R. et. al, (2011) A framework for variation discovery and genotyping using next-generation DNA sequencing data. Nat Genet.! 26"
27 Enfim, um best prac2ces pipeline para análise Extended BQSR * X! Haplotype Caller * Reduce Reads * Veja para mais informações
28 QUEBRANDO AS LIMITAÇÕES DE HOJE 28
29 Associação gené2ca de esquizofrenia Projeto começou logo após o sequenciamento do genoma humano com ~100 pacientes e não encontrou nenhuma correlação gené2ca significa2va. Após segunda etapa de financiamento, projeto expandiu para 700 pacientes e 4 gens (figura abaixo) se mostraram potenciais candidatos significa2vos, outros ainda sem evidencia suficiente Limitações computacionais impediram a análise da 3ª fase do projeto com ~18,000 pacientes que confirmaria os gens candidatos.
30 Entendendo as limitações computacionais Processamento de 14,000 exomas precisa manipular 280,000 Gb de dados (280Tb) Outros projetos no Broad Ins2tute já estão sequenciando mais de 30,000 exomas para estudos de associação (ex: Diabetes 2po 2), isso equivale a 600Tb de dados. O obje2vo de processar 1M de exomas até o final de 2013 traduzem em 20Pb. Cada amostra precisa passar por todas as etapas de processamento (best prac2ces pipeline) que envolve aproximadamente 2-4 cpus/dia de computação por exoma, traduzindo em 28,000-60,000 cpus/dia só de processamento (fora análise conjunta que é inviável em termos de memória e processamento atualmente). Esses números seriam na ordem de petabytes (18Pb para diabetes) se os dados fossem do genoma completo. PerspecLva: A base de dados completa de busca web do Google é de 850Tb Tipo de dado Exoma completo Genoma completo (30x) Tamanho em disco ~20Gb ~600Gb
31 Um algoritimo para reduzir a representação de dados genéticos! Tamanho original ~ 20 GB (exome) Tamanho reduzido ~ MB Compressão ~ 50x- 100x SNP calling mesmo Indel calling mesmo Tempo de execução >50x faster Consistent reads are reduced to consensus Full BAM" Reduced BAM" Diversity among reads is preserved for further analysis Usando esse algorilmo, o projeto de esquizofrenia idenlficou 78 gens com alta confiança (p < 10^- 20) e iniciou um projeto de análise de genoma completo. M. Carneiro and M. DePristo patent number: PCT/US13/31429 (2012)!
32 Quais são as dificuldades que enfrentamos hoje? Limitações técnicas Falta de cobertura em regiões importantes do genoma (gens associados a doenças!) Processo de erro complexo Ainda confunde- se erro de sequenciamento com variantes reais. (falso posi2vos) Procedimento tem que ser muito conservador, e força a perda de variantes reais em regiões dirceis (falso nega2vos) Limitações analílcas Mal interpretação de regiões dirceis com os modelos atuais. Inserções, deleções e variantes estruturais ainda são o grande desafio. Não há poder estapslco para iden2ficar associação em estudos gené2cos. Precisamos analizar mais amostras Para isso, é necessário que abaixe o custo de sequenciamento e o agregamento de dados já existentes no mundo. Variante SNPs Indels curtos Indels longos Taxa de validação média 99% 80% 50%
33 AAAAA context suffix Empirical gap open penalty AAA AAC AAG AAT ACA ACC ACG ACT AGA AGC AGG AGT ATA ATC ATG ATT CAA CAC CAG CAT CCA CCC CCG CCT CGA CGC CGG CGT CTA CTC CTG CTT GAA GAC GAG GAT GCA GCC GCG GCT GGA GGC GGG GGT GTA GTC GTG GTT TAA TAC TAG TAT TCA TCC TCG TCT TGA TGC TGG TGT TTA TTC TTG TTT ReadGroup 20FUK.1 20FUK.2 20FUK.3 20FUK.4 20FUK.5 20FUK.6 20FUK.7 20FUK.8 PacBio 33" HiSeq" PacBio" Taxa de erro de indel varia em diferentes plataformas! R. Roberts, M. Carneiro. Genome Biology, In Print 2013.
34 Expandindo o conceito de probabilidade de erro empírica em cada base para indels! Base Substitution Base Insertion Base Deletion Recalibration Recalibrated Empirical Quality Score BQSRv2 log10(nbases) Reported Quality Score Base Substitution Base Insertion Base Deletion Quality Score Accuracy Recalibration Recalibrated BQSRv2 log10(nbases) Cycle Covariate Quality Score Accuracy Base Substitution AAA AAC AAG AAT ACA ACC ACG ACT AGA AGC AGG AGT ATA ATC ATG ATT CAA CAC CAG CAT CCA CCC CCG CCT CGA CGC CGG CGT CTA CTC CTG CTT GAA GAC GAG GAT GCA GCC GCG GCT GGA GGC GGG GGT GTA GTC GTG GTT TAA TAC TAG TAT TCA TCC TCG TCT TGA TGC TGG TGT TTA TTC TTG TTT Base Insertion AAA AAC AAG AAT ACA ACC ACG ACT AGA AGC AGG AGT ATA ATC ATG ATT CAA CAC CAG CAT CCA CCC CCG CCT CGA CGC CGG CGT CTA CTC CTG CTT GAA GAC GAG GAT GCA GCC GCG GCT GGA GGC GGG GGT GTA GTC GTG GTT TAA TAC TAG TAT TCA TCC TCG TCT TGA TGC TGG TGT TTA TTC TTG TTT Context Covariate Base Deletion AAA AAC AAG AAT ACA ACC ACG ACT AGA AGC AGG AGT ATA ATC ATG ATT CAA CAC CAG CAT CCA CCC CCG CCT CGA CGC CGG CGT CTA CTC CTG CTT GAA GAC GAG GAT GCA GCC GCG GCT GGA GGC GGG GGT GTA GTC GTG GTT TAA TAC TAG TAT TCA TCC TCG TCT TGA TGC TGG TGT TTA TTC TTG TTT Recalibration Recalibrated BQSRv2 log10(nbases)
35 Usando de novo assembly local para propor haplotypes para o modelo de identificação de variantes! Travessia do grafo enumera os possiveis haplo2pos. Cada aresta contém o peso do número de reads que dão evidencia para cada k- mer 35 Assembly of large genomes using second- generadon sequencing. Schatz. Genome Research
36 We often find consistent (artifactual) alleles at the sites of larger events because they cannot be properly modeled by the mappers! Original BWA alignments Mul2ple caller ar2facts that are hard to filter out, since they are well supported by read data Alignments showing the actual allele Validated 30bp deletion! Chr12: GTGTGTATGTAAATATATACATACACACAT/- 36
37 Novos algori2mos aumentam significa2vamente a precisão de regiões dirceis e indels Tipo de variante Validação anlga (gold standard) SNPs 99% 99% Indels curtos 80% 97% Indels longos 50% 93% Novos algorilmos (2013) Todos esses programas já estão disponíveis na úllma distribuição do GATK (versão 2.5), e o desenvolvimento tem sido intenso nos úllmos meses.
38 Agregando dados O FUTURO DO SEQUENCIAMENTO DE DADOS MÉDICOS
39 O maior limite hoje é o tamanho da amostra Suponha o sequenciamento de 500 pacientes com Alzheimer. A descoberta de um indel que causa perda de função em um gene ligado ao cérebro está presente em 10 pacientes O que eu posso dizer sobre a relação da variante com a doença? Associação da variante 20:12345 C/CAT indel com risco de Alzheimer's (exemplo fic}cio) Comparação Usando só 500 pacientes Contra 500 controles Contra 1K controles Contra 10K controles Contra 100K controles Pacientes afetados 10/ / / / /1000 Controles None 0/1000 1/ / / Associação (P- value) None 10^- 2 10^- 4 10^- 8 10^- 10 O que eu aprendi? Eu deveria ter sequenciado controles Nem remotamente significa2vo Indis2nguível do ruído Pra2camente significa2vo! Descoberta importante!!
40 Agregação de dados gené2cos em massa: o futuro da medicina gené2ca Custo de sequenciamento já caiu 1 milhão de vezes, e permi2u a explosão de sequenciamento sobre a base gené2ca de doenças Através da agregação de todos os dados clínicos sequenciados do mundo, será possível acelerar dras2camente o processo de descoberta. exemplo, doenças gené2cas raras afetam 100 crianças nascidas por ano. Cada hospital vê zero ou um caso. Sozinhos, nada é aprendido. Combinados, o resultado é evidente. exemplo, o poder de associar variantes com doenças aumenta dras2camente com o número de amostras de controle. Amostras afetadas podem ser usadas como controle para outras doenças. Dados gené2cos agregados vão ser necessários para guiar a interpretação da medicina diagnós2ca do futuro para toda a prá2ca clínica
41 O desafio dessa geração Comunidades cien}fica, médica e de pacientes ainda não estão organizadas para concre2zar essa oportunidade e nem sequer estão seguindo esse caminho. Dados vivem em silos: por ins2tuições, doenças, tecnologia u2lizada, projetos, sem visibilidade mútua. Não existem procedimentos regulatórios para viabilizar o compar2lhamento de informação médica e gené2ca, nem sequer para pesquisa. Não existe exper2se e capacitação computacional nem padronização mundial para que os resultados tenham relevância em compar2lhamento Como uma comunidade precisamos construir uma plataforma para armazenar, processar, analisar e interpretar uma quan2dade extraordinária de dados gené2cos para pesquisa e aplicações clínicas
Relação, perfil de resistência e procedência dos isolados de M. tuberculosis estudados.
Anexos Anexos 144 ANEXO 1 Relação, perfil de resistência e procedência dos isolados de M. tuberculosis estudados. Isolados Perfil de resistência Procedência 23130 Z, S UEM-Maringá/PR 1264 SENSÍVEL UEM-Maringá/PR
Leia maisCERTIFICADO No. 113/2013 Insumos para diagnósticos laboratoriais de Influenza por Biologia Molecular
CERTIFICADO No. 113/2013 Insumos para diagnósticos laboratoriais de Influenza por Biologia Molecular Amplificação com alta eficiência e especificidade das sequências alvos do Vírus da Influenza e Gene
Leia maisBIOLOGIA. Biologia Molecular (segunda parte) Professora: Brenda Braga
BIOLOGIA Biologia Molecular (segunda parte) Professora: Brenda Braga Ácidos Nuclêicos DNA RNA Ácido Desoxirribonuclêico Ácido Ribonuclêico Cadeias de Nucleotídeos Fosfato Pentose Base Nitrogenada A ligação
Leia maisMaterial e Métodos Resultados e Discussão
Área: Melhoramento Genético Vegetal TRANSFERIBILIDADE DE PRIMERS MICROSSATÉLITES DE Phaseolus vulgaris PARA Vigna unguiculata Matheus Felipe Nogueira da Silva 1, Leidiane Bezerra Albuquerque 2, Rafaela
Leia mais2 Desvendando a codificação de aminoácidos
Primeiro Trabalho de Oficina de Computação Professor Murilo V. G. da Silva (DINF/UFPR) 1 Introdução Parte 1: Identificando aminoácidos Neste trabalho iremos desenvolver uma ferramenta chamada DNAcrack
Leia maisClonagem Molecular. Esta tecnologia permite estudar os genes e os seus produtos, obter organismos transgênicos e realizar terapia gênica.
Clonagem Molecular A clonagem molecular é o processo de construção de moléculas de DNA recombinante e da sua propagação em hospedeiros apropriados que possibilitam a selecção do DNA recombinante. Esta
Leia maisI N S T R U Ç Õ E S PA R A O P R E PA R O E E N V I O D E A M O S T R A S O LABORATÓRIO DA MYLEUS TEM A TECNOLOGIA QUE VOCÊ PRECISA.
I N S T R U Ç Õ E S PA R A O P R E PA R O E E N V I O D E A M O S T R A S O LABORATÓRIO DA MYLEUS TEM A TECNOLOGIA QUE VOCÊ PRECISA. Í N D I C E 1 INSTRUÇÕES GERAIS... 3 2 PREPARO DE AMOSTRAS PARA QUANTIFICAÇÃO...
Leia maisI N S T R U Ç Õ E S PA R A O P R E PA R O E E N V I O D E A M O S T R A S O LABORATÓRIO DA MYLEUS TEM A TECNOLOGIA QUE VOCÊ PRECISA.
I N S T R U Ç Õ E S PA R A O P R E PA R O E E N V I O D E A M O S T R A S O LABORATÓRIO DA MYLEUS TEM A TECNOLOGIA QUE VOCÊ PRECISA. 1 Í N D I C E 1 INSTRUÇÕES GERAIS... 3 2 PREPARO DE AMOSTRAS PARA QUANTIFICAÇÃO...
Leia maisExplorando bancos de dados genômicos e introdução à bioinformática. Guilherme Targino Valente Marcos Tadeu Geraldo. Bioinformática
Explorando bancos de dados genômicos e introdução à bioinformática Guilherme Targino Valente Marcos Tadeu Geraldo 22/07/2011 Bioinformática É a aplicação de estatística e ciência da computação no campo
Leia maisAnálise da eficiência do repovoamento utilizando marcadores genéticos
UNIVERSIDADE FEDERAL DE MINAS GERAIS DEPARTAMENTO DE BIOLOGIA GERAL PÓS-GRADUAÇÃO EM GENÉTICA Análise da eficiência do repovoamento utilizando marcadores genéticos Laboratório de Biotecnologia e Marcadores
Leia maisSimilaridade genética em acessos de Aegilops tauschii, Triticum durum e híbridos interespecíficos
57 ISSN 1677-8901 Dezembro, 2008 Similaridade genética em acessos de Aegilops tauschii, Triticum durum e híbridos interespecíficos Sandra Patussi Brammer 1, Ana Lídia Variani Bonato 1, Fernanda Rodrigues
Leia maisANEXO ÚNICO DO DECRETO Nº 28.397, DE 21/09/2006
ANEXO ÚNICO DO DECRETO Nº 28.397, DE 21/09/2006 PREÂMBULO Termo de Participação, via meio eletrônico, para a seleção da melhor proposta para aquisição por dispensa de licitação, nos termos do Decreto Estadual
Leia maisI N S T R U Ç Õ E S PA R A O P R E PA R O E E N V I O D E A M O S T R A S O LABORATÓRIO DA MYLEUS TEM A TECNOLOGIA QUE VOCÊ PRECISA.
I N S T R U Ç Õ E S PA R A O P R E PA R O E E N V I O D E A M O S T R A S O LABORATÓRIO DA MYLEUS TEM A TECNOLOGIA QUE VOCÊ PRECISA. 1 Í N D I C E 1 INSTRUÇÕES GERAIS... 3 2 PREPARO DE AMOSTRAS PARA QUANTIFICAÇÃO...
Leia maisPADRONIZAÇÃO DA AMPLIFICAÇÃO CRUZADA DE REGIÕES MICROSSATÉLITES CLOROPLASTIDIAL EM Tibouchina papyrus (Pohl) Toledo
PADRONIZAÇÃO DA AMPLIFICAÇÃO CRUZADA DE REGIÕES MICROSSATÉLITES CLOROPLASTIDIAL EM Tibouchina papyrus (Pohl) Toledo Dayane Borges Melo, Mariana Pires de Campos Telles, Thannya Nascimento Soares, Lucileide
Leia maisVALIDAÇÃO DE MARCADORES MOLECULARES LIGADOS A GENES DE RESISTÊNCIA DA FERRUGEM MARROM PARA A FERRUGEM LARANJA DA CANA-DE-AÇUCAR
VALIDAÇÃO DE MARCADORES MOLECULARES LIGADOS A GENES DE RESISTÊNCIA DA FERRUGEM MARROM PARA A FERRUGEM LARANJA DA CANA-DE-AÇUCAR DÉBORAH M. SIQUEIRA 1, HAIKO E.SAWAZAKI 2, CASSIARA R. N. C. B. GONÇALVES
Leia maisQue tal calcular distâncias genéticas? Quanto mais próximo geneticamente, maior é a proximidade evolutiva.
Evolução Molecular Que tal calcular distâncias genéticas? Quanto mais próximo geneticamente, maior é a proximidade evolutiva. Outra forma de abordar o problema Quanto mais próximo genéticamente, maior
Leia maisBiologia Molecular II
Biologia Molecular II ÁCIDOS NUCLÊICOS Ácidos Nuclêicos DNA RNA Ácido Desoxirribonuclêico Ácido Ribonuclêico Cadeias de Nucleotídeos Fosfato Pentose Ribose RNA Desoxirribose DNA Base Nitrogenada Púricas:
Leia maisNovas Tecnologias de Sequenciamento
Novas Tecnologias de Sequenciamento Tecnologias de sequenciamento Sanger (Capilaridade) Uma das inovações tecnológicas de maior influência na pesquisa biológica, desde que foi lançada em 1977 Abordagem
Leia maisXXIX CONGRESSO NACIONAL DE MILHO E SORGO - Águas de Lindóia - 26 a 30 de Agosto de 2012
XXIX CONGRESSO NACIONAL DE MILHO E SORGO - Águas de Lindóia - 26 a 30 de Agosto de 2012 Identificação Específica dos Eventos Yieldgard, Yieldgard VT PRO e Agrisure TL por PCR em Tempo Real 1 Haiko Enok
Leia maisBiologia - Grupos A - B - Gabarito
1 a QUESTÃO: (1, ponto) Avaliador Revisor Foram coletados 1. exemplares do mosquito Anopheles culifacies, de ambos os sexos, em cada uma de duas regiões denominadas A e B, bastante afastadas entre si.
Leia maisPAULO CESAR NAOUM AC&T- 2013
PAULO CESAR NAOUM AC&T- 2013 HEMOGLOBINAS NORMAIS MOLÉCULA DA HEMOGLOBINA HUMANA NORMAL Hb A AS HEMOGLOBINAS HUMANAS SÀO COMPOSTAS POR QUATRO CADEIAS DE AMINOÁCIDOS CONHECIDAS POR GLOBINAS E INSERIDO EM
Leia maisIntrodução à genética quantitativa usando os recursos do R
Introdução à genética quantitativa usando os recursos do R Marisa R. Cantarino 1 Julia M. P. Soler (orientadora) 2 1 Introdução Um dos principais desafios da pesquisa genética atualmente é estabelecer
Leia maisCOLÉGIO PEDRO II CAMPUS TIJUCA II
COLÉGIO PEDRO II CAMPUS TIJUCA II DEPARTAMENTO DE BIOLOGIA E CIÊNCIAS COORD.: PROFa. CRISTIANA LIMONGI 1º & 2º TURNOS 3ª SÉRIE / ENSINO MÉDIO REGULAR & INTEGRADO ANO LETIVO 2015 PROFESSORES: FRED & PEDRO
Leia maisPrimers para PCR: Primers : oligonucleotídeos com 18 a 28 bases (fita única) escritos sempre na direção 5 3. São necessários dois primers :
Primers para PCR: Primers : oligonucleotídeos com 18 a 28 bases (fita única) escritos sempre na direção 5 3 São necessários dois primers : Um complementar a um trecho da fita anti-sense» Primer sense (forward)
Leia maisWHO GLOBAL SALM-SURV NÍVEL III
WHO GLOBAL SALM-SURV NÍVEL III CAMPYLOBACTER spp. Multiplex PCR para detecção de C. jejuni e C. coli Grace Theophilo LRNCEB IOC/FIOCRUZ gtheo@ioc.fiocruz.br Diagnóstico molecular para Campylobacter spp.
Leia maisSequenciamento de Nova Geração (NGS) Msc. Frederico Schmitt Kremer // doutorando PPGB
Sequenciamento de Nova Geração (NGS) Msc. Frederico Schmitt Kremer // doutorando PPGB Nos episódios anteriores... Sequenciamento Clássico Engloba os métodos desenvolvidos por Sanger et al (1977) e Maxam
Leia maisA meus. A meus e e. e e. meus
ao título de Mestre. A meus A meus e A meus e e A e e A a e e eu o cursava a e e, o com os e a meu A a o e e E a os meus contribuíram 1 1.1 3 7 8 em 8 9 nos 9 ao como a e intestinal (100%) e (65%). o
Leia mais22 DICAS para REDUZIR O TMA DO CALL CENTER. em Clínicas de Imagem
para REDUZIR O TMA DO CALL CENTER em Clínicas de Imagem Objetivo Um atendimento eficiente e personalizado é um dos principais fatores que o cliente leva em consideração ao iniciar um processo de fidelização
Leia maisSERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA PROGRAMA DE INICIAÇÃO CIENTÍFICA VOLUNTÁRIA PICVOL
SERVIÇO PÚBLICO FEDERAL UNIVERSIDADE FEDERAL DE SERGIPE PRÓ-REITORIA DE PÓS-GRADUAÇÃO E PESQUISA PROGRAMA DE INICIAÇÃO CIENTÍFICA VOLUNTÁRIA PICVOL DESENVOLVIMENTO E PADRONIZAÇÃO DE UMA ESTRATÉGIA MOLECULAR
Leia maisCaracterização genética dos recursos animais autóctones com novas. genotipagem. Antonio Marcos Ramos
Caracterização genética dos recursos animais autóctones com novas tecnologias de sequenciação e genotipagem Antonio Marcos Ramos 15/09/2012 Recursosgeneticosanimaisna Peninsula Iberica Recursosgeneticosanimaisna
Leia maisAs bactérias operárias
A U A UL LA As bactérias operárias Na Aula 47 você viu a importância da insulina no nosso corpo e, na Aula 48, aprendeu como as células de nosso organismo produzem insulina e outras proteínas. As pessoas
Leia maisDisciplina: Introdução à Informática Profª Érica Barcelos
Disciplina: Introdução à Informática Profª Érica Barcelos CAPÍTULO 4 1. ARQUITETURA DO COMPUTADOR- HARDWARE Todos os componentes físicos constituídos de circuitos eletrônicos interligados são chamados
Leia maisCONSULTE A LISTAGEM DE TESTES MAIS ATUALIZADA NA
As bases genéticas da patologia oftalmológica estende-se a um número amplo e crescente de entidades clínicas. As novas tecnologias, sobretudo a Sequenciação de Nova Geração (NGS) permite obter testes de
Leia maisUso do calcário no solo Desenvolvimento de pesticidas e fertilizantes. Máquinas a vapor substituindo a força animal
Fepagro em foco Samuel Mazzinghy Alvarenga Histórico recente da Agropecuária Era científica: a partir de ~ 1.700 Rotação de culturas e métodos de cultivo intensivo Drenagem Utilização de arado, máquinas
Leia maisIntrodução à Bioinformática. Prof. IVAné@
Introdução à Bioinformática Prof. IVAné@ Bioinformática União da ciência da computação com a biologia molecular É uma área nova Há 10 anos atrás o termo nem existia Depois da descoberta de Watson e Crick
Leia maisPUCRS CURSO DE CIÊNCIAS BIOLÓGICAS Genética I AULA PRÁTICA APLICAÇÕES DAS TÉCNICAS DE PCR E ELETROFORESE DE DNA
Analise a seguinte situação hipotética (1): Uma equipe de pesquisadores está realizando um inventário da biodiversidade de uma área tropical ainda inexplorada, porém já sofrendo grande impacto de fragmentação
Leia maisIDENTIFICAÇÃO ESPECÍFICA E QUANTIFICAÇÃO DOS EVENTOS BT11, YIELDGARD E YIELDGARD VT PRO EM GRÃOS E FOLHAS DE MILHO.
IDENTIFICAÇÃO ESPECÍFICA E QUANTIFICAÇÃO DOS EVENTOS BT11, YIELDGARD E YIELDGARD VT PRO EM GRÃOS E FOLHAS DE MILHO. BEATRIZ DOS SANTOS CORRÊA 1 ; HAIKO E. SAWAZAKI 2 ; SILVIO H. GRANDI 3 ; EDUARDO SAWAZAKI
Leia maisA TERRA. Como Euclides ajudou os aliados na Segunda Guerra
A TERRA Como Euclides ajudou os aliados na Segunda Guerra Mitos da criação Catolicismo Gaia Da Mitologia à Geometria A Geometria dos povos antigos Egípcios, babilônios e os gregos. Euclides e o método
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisPOLIMORFISMO DO CÓDON 72 DO GENE TP53 EM PACIENTES COM LEUCEMIA MIELÓIDE
POLIMORFISMO DO CÓDON 72 DO GENE TP53 EM PACIENTES COM LEUCEMIA MIELÓIDE Jeany Camelo Santos 1, Rafael Lucas Leonídeo 2, Flávio Monteiro Ayres 3,4 1 Bolsista PBIC/UEG. 2 Aluno de iniciação científica PVIC.
Leia maisAula 04 Método de Monte Carlo aplicado a análise de incertezas. Aula 04 Prof. Valner Brusamarello
Aula 04 Método de Monte Carlo aplicado a análise de incertezas Aula 04 Prof. Valner Brusamarello Incerteza - GUM O Guia para a Expressão da Incerteza de Medição (GUM) estabelece regras gerais para avaliar
Leia maisIntrodução à Qualidade de Software. Profº Aldo Rocha
Introdução à Qualidade de Software Profº Aldo Rocha Agenda O que é Qualidade? O que é Qualidade de Software? Qualidade do Produto e do Processo Normas e Organismos Normativos Qualidade de Software e Processos
Leia maisAnálise de técnicas de selecção de atributos em Bioinformática
Análise de técnicas de selecção de atributos em Bioinformática Rui Mendes 100378011 Bioinformática 10/11 DCC Artigo Base Yvan Saeys, Inaki Inza and Pedro Larranaga. A review of feature selection techniques
Leia maisClonagem de genes e fragmentos de DNA de interesse
Clonagem de genes a e fragmentos de DNA de interesse Clonagem Produzir cópias de uma molécula de DNA Criação de uma molécula recombinante e sua propagação Definições Clonar : fazer cópias idênticas Isolamento
Leia maisAVALIAÇÃO DO USO DE AGENTES OSMÓTICOS E MICROSSATÉLITES NA SELEÇÃO DE GENÓTIPOS DE TRIGO TOLERANTES À SECA LARISSA GIROTTO
AVALIAÇÃO DO USO DE AGENTES OSMÓTICOS E MICROSSATÉLITES NA SELEÇÃO DE GENÓTIPOS DE TRIGO TOLERANTES À SECA LARISSA GIROTTO 2006 LARISSA GIROTTO AVALIAÇÃO DO USO DE AGENTES OSMÓTICOS E MICROSSATÉLITES NA
Leia maisilupas da informação e comunicação na área de Saúde entrevista
ilupas Pesquisa Nacional identifica investimentos em tecnologias da informação e comunicação na área de Saúde Por Kelly de Souza O baixo grau de investimento em Tecnologias da Informação e Comunicação
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia mais(11) (21) PI 0414073-7 A
(11) (21) PI 0414073-7 A (22) Data de Depósito: 31/08/2004 (43) Data de Publicação: 24/10/2006 República Federativa do Brasil (RPI 1868) Ministério do Desenvolvimento, Indústria e do Comércio Exterior
Leia maisUFG - Instituto de Informática
UFG - Instituto de Informática Curso: Sistemas de Informação Arquitetura de Software Prof.: Fabrízzio A A M N Soares professor.fabrizzio@gmail.com Aula 3 Introdução à Arquitetura de Software (continuação)
Leia maisVariabilidade genética. Variabilidade Genética. Variação genética e Evolução. Conceitos importantes
Variabilidade genética Conceitos importantes Variação genética: variantes alélicos originados por mutação e/ou recombinação Diversidade ou variabilidade genética: medida da quantidade de variabilidade
Leia maisAlgoritmos Genéticos em Mineração de Dados. Descoberta de Conhecimento. Descoberta do Conhecimento em Bancos de Dados
Algoritmos Genéticos em Mineração de Dados Descoberta de Conhecimento Descoberta do Conhecimento em Bancos de Dados Processo interativo e iterativo para identificar padrões válidos, novos, potencialmente
Leia maisO Impacto dos Aceleradores Expand no Consumo de Banda do Citrix Metraframe
O Impacto dos Aceleradores Expand no Consumo de Banda do Citrix Metraframe Teste de Desempenho Expand Networks, abril de 24 O líder atual de mercado em sistemas de computação baseados em servidores é a
Leia maisCaracterização genômica de um vírus dengue tipo 3, isolado de paciente com dengue clássico.
Universidade de São Paulo Faculdade de Ciências Farmacêuticas de Ribeirão Preto Programa de Pós-Graduação em Biociências Aplicadas à Farmácia Caracterização genômica de um vírus dengue tipo 3, isolado
Leia maisCapítulo 3. Avaliação de Desempenho. 3.1 Definição de Desempenho
20 Capítulo 3 Avaliação de Desempenho Este capítulo aborda como medir, informar e documentar aspectos relativos ao desempenho de um computador. Além disso, descreve os principais fatores que influenciam
Leia maisPreparando sua empresa para o forecasting:
Preparando sua empresa para o forecasting: Critérios para escolha de indicadores. Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Embora o forecasting seja uma realidade, muitas
Leia mais1 http://www.google.com
1 Introdução A computação em grade se caracteriza pelo uso de recursos computacionais distribuídos em várias redes. Os diversos nós contribuem com capacidade de processamento, armazenamento de dados ou
Leia maisMUTAÇÃO. O que é mutação? - Alteração no material genético.
Universidade Federal do Piauí Núcleo de Estudos em Genética e Melhoramento (GEM) CNPJ: 12.597.925/0001-40 Rua Dirce de Oliveira,3597- Socopo/Teresina-PI Mutação MARIANE DE MORAES COSTA Teresina, 01 de
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisRevista Ciência Agronômica ISSN: Universidade Federal do Ceará Brasil
Revista Ciência Agronômica ISSN: 0045-6888 ccarev@ufc.br Universidade Federal do Ceará Brasil Carvalho Oliveira, Marcus Vanner; Pereira Baliza, Danielle; Souza, Genaina Aparecida; Pereira Carvalho, Samuel;
Leia maisProjeto de Sistemas I
Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o
Leia maiswww.dehterakm.com beatriz@dehtearkm.com
www.dehterakm.com beatriz@dehtearkm.com Quem somos? A BEATRIZ DEHTEAR KM apresenta a seus clientes uma proposta totalmente inovadora para implementar a Gestão do Conhecimento Organizacional. Nosso objetivo
Leia mais3 0 ENCONTRO DE USUÁRIOS DE BI
3 0 ENCONTRO DE USUÁRIOS DE BI Contextualizando Durante o segundo encontro de usuários de BI, o tema Big Data surgiu várias vezes durante as discussões e prometemos que seria assunto de um próximo evento.
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisThe next generation sequencing
The next generation sequencing Cesar Martins (cmartins@ibb.unesp.br) Departamento de Morfologia Instituto de Biociências, UNESP Universidade Estadual Paulista Botucatu, SP 1 Métodos Atuais Sequenciamento
Leia maisDATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES
DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,
Leia maisGo To Market Estratégias de Otimização de Resultados Porque Educação Executiva Insper Cursos de Curta e Média Duração
1 Porque Educação Executiva Insper A dinâmica do mundo corporativo atual exige profissionais multidisciplinares, capazes de interagir e formar conexões com diferentes áreas da empresa e entender e se adaptar
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisManifolds de Distribuição
Swagelok Custom Solutions Tecflux Soluções Integradas Painel de Controle Invólucro para Instrumentos Conjunto Seletor de Fluxo Modular Manifolds de Distribuição Painéis para Troca Automática Estação Redutora
Leia mais48 Como produzimos a insulina?
A U A UL LA Como produzimos a insulina? Na aula passada você estudou a importância da insulina no nosso organismo. Dá para imaginar o que aconteceria conosco se não fabricássemos esse hormônio ou se o
Leia maisSimulação Computacional de Sistemas, ou simplesmente Simulação
Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.
Leia maisTRAJECTA NEURO LABS G5
Trajecta :: Robôs Investidores TRAJECTA NEURO LABS G5 Guia Rápido de configuração e operação 22/05/2015 Autor: Rogério Figurelli CEO Trajecta Sumário 1) Neuro Labs a Versão Labs do Neuro Robô... 3 2) Módulos
Leia maisO que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.
O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar
Leia maisHumberto Brito R3 CCP
Humberto Brito R3 CCP ABSTRACT INTRODUÇÃO Nódulos tireoideanos são achados comuns e raramente são malignos(5-15%) Nódulos 1cm geralmente exigem investigação A principal ferramenta é a citologia (PAAF)
Leia maisOs princípios e valores do ágil são a chave para o escalonamento!
1 Os princípios e valores do ágil são a chave para o escalonamento! Introdução 2 Agenda Parte I Por onde e como começamos? Buscando informações Tratando as expectativas Definindo uma estratégia Executando
Leia maisProf. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.
Casos de Uso de Alto Nível Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. Contexto Na fase de concepção
Leia maisReduza os riscos. Reduza os custos. Aumente o desempenho.
Reduza os riscos. Reduza os custos. Aumente o desempenho. Serviços para uma gestão de compras profissional. Tenha melhores informações, tome decisões melhores. Serviço de Gestão de Fornecedores (CSMS)
Leia maisDNA barcoding é um método que utiliza um trecho do DNA de cerca de 650 nucleotídeos como marcador para caracterizar espécies. Trata-se de uma sequência extremamente curta em relação à totalidade do genoma,
Leia maismemmolde Norte: uma contribuição para a salvaguarda da memória colectiva da indústria de moldes do Norte de Portugal
memmolde Norte: uma contribuição para a salvaguarda da memória colectiva da indústria de moldes do Norte de Portugal Nuno Gomes Cefamol Associação Nacional da Indústria de Moldes MEMMOLDE NORTE As rápidas
Leia maisINF1403 - Introdução a Interação Humano-Computador (IHC)
INF1403 - Introdução a Interação Humano-Computador (IHC) Turma 3WB Professor: Alberto Barbosa Raposo 09/04/2012 Departamento de Informática, PUC-Rio Testes com usuários Como avaliar? inspeção (por especialistas)
Leia maisProf. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.
Visão Geral do Sistema Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. A fase de concepção do UP consiste
Leia maisFábrica de Software 29/04/2015
Fábrica de Software 29/04/2015 Crise do Software Fábrica de Software Analogias costumam ser usadas para tentar entender melhor algo ou alguma coisa. A idéia é simples: compara-se o conceito que não se
Leia maisProjeto Genoma e Proteoma
Projeto Genoma e Proteoma Grupo 3: *Artur S. Nascimento *Bárbara S. Costa *Beatrice Barbosa *Tamyres S. E. Guimarães *Yara Cavalcante O que é genoma? O genoma é o conjunto de todo o material genético que
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve
Leia maisBIOLOGIA - 1 o ANO MÓDULO 08 RIBOSSOMOS E SÍNTESE PROTEICA
BIOLOGIA - 1 o ANO MÓDULO 08 RIBOSSOMOS E SÍNTESE PROTEICA Fixação 1) (UNICAMP) Considere um fragmento de DNA com a seguinte sequência de bases: GTA GCC TAG E responda: a) Qual será a sequência
Leia maisSão Paulo (SP), 20 de julho de 2015.
São Paulo (SP), 20 de julho de 205. Discurso do Diretor de Assuntos Internacionais e de Gestão de Riscos Corporativos, Tony Volpon, no Encontro com Investidores promovido pela CM Capital Markets. Gostaria
Leia maisMEEMF- 2011 Aula 08. Inferência de tempos de divergência entre espécies
MEEMF- 2011 Aula 08 Inferência de tempos de divergência entre espécies A descoberta do relógio molecular Em 1962, Zuckerkandl e Pauling verificaram que as taxas evolutivas da hemoglobina em vertebrados
Leia maisGenômica. O que chamou mais atenção no filme?
Genômica O que chamou mais atenção no filme? Tempo para sequenciamento do genoma Predição do fenótipo com base no genótipo Como este conhecimento pode ser usado para gerar novas tecnologias? Sequenciamento
Leia mais1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.
1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3
Leia maisProf. Daniela Barreiro Claro
Prof. Daniela Barreiro Claro São dados que não podem ser processados ou analisados usando as ferramentas tradicionais Empresas acessando muitas informações mas não sabem como tirar proveito Normalmente
Leia maisCOLIVRE Cooperativa de Tecnologias Livres www.colivre.coop.br contato@colivre.coop.br Telefone: (71) 3011-2199 CNPJ: 07.970.
Razões para usar Noosfero como plataforma de rede social da USP COLIVRE Cooperativa de Tecnologias Livres www.colivre.coop.br contato@colivre.coop.br Telefone: (71) 3011-2199 CNPJ: 07.970.746/0001-77 Contato:
Leia maisTeoria de Filas. Prof. Gustavo Leitão. Campus Natal Central. Planejamento de Capacidade de Sistemas
Teoria de Filas Prof. Gustavo Leitão Campus Natal Central. Planejamento de Capacidade de Sistemas 5/27/2010 Objetivo da Aula 5/27/2010 5/27/2010 OBJETIVO Apresentar os conceitos de teoria de filas e suas
Leia maisFarmacogenética em Transplantação
Universidade da Beira Interior Farmacogenética em Transplantação de Órgãos Sólidos João F. P. Mendes Centro de Histocompatibilidade do Centro Aspectos gerais em transplantação Compatibilidade do sistema
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisNo E-book anterior 5 PASSOS PARA MUDAR SUA HISTÓRIA, foi passado. alguns exercícios onde é realizada uma análise da sua situação atual para
QUAL NEGÓCIO DEVO COMEÇAR? No E-book anterior 5 PASSOS PARA MUDAR SUA HISTÓRIA, foi passado alguns exercícios onde é realizada uma análise da sua situação atual para então definir seus objetivos e sonhos.
Leia mais4 Arquitetura básica de um analisador de elementos de redes
4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme
Leia maisProtocolo em Rampa Manual de Referência Rápida
Protocolo em Rampa Manual de Referência Rápida 1 O que é o Protocolo em Rampa O protocolo em rampa é um protocolo para testes de esforço que não possui estágios. Nele o incremento da carga se dá de maneira
Leia mais1.264 Aula 1. Introdução ao curso Lição de casa 1 Métodos de desenvolvimento de software
1.264 Aula 1 Introdução ao curso Lição de casa 1 Métodos de desenvolvimento de software Processo de Desenvolvimento de Software O desenvolvimento de software é normalmente mais utilizado na demanda do
Leia mais