Curso de Quimioinformática

Aula 1 • Ecossistema Essencial de Softwares

Aborda os principais kits de ferramentas quimioinformáticas de código aberto e comerciais. Prepara os alunos para selecionar ferramentas adequadas para tarefas específicas.

Aula 2 • Tipos de Dados Químicos e Fontes

Aborda formatos de dados moleculares e principais bancos de dados públicos. Conecta a alfabetização em dados a fluxos de trabalho computacionais posteriores.

Aula 3 • O que é Quimioinformática

Define a quimioinformática e seu escopo dentro da química computacional e da biologia. Posiciona a disciplina em relação à bioinformática e à ciência de dados.

Aula 4 • Fundamentos da Representação Molecular

Apresenta representações moleculares 1D, 2D e 3D. Fornece a base conceitual para todas as tarefas subsequentes de codificação e modelagem.

Aula 1 • Interconversão e Validação de Formatos

Ensina conversão programática de formatos e detecção de erros. Garante a integridade dos dados ao mover moléculas entre ferramentas e pipelines.

Aula 2 • SMILES e SMARTS em Profundidade

Aborda sintaxe avançada de SMILES e correspondência de padrões SMARTS. Permite consultas precisas de subestruturas e filtragem molecular.

Aula 3 • Coleções Moleculares em Grande Escala

Aborda armazenamento e recuperação eficientes de milhões de compostos. Prepara os alunos para tarefas de triagem virtual e gerenciamento de bancos de dados.

Aula 4 • Formatos de Arquivo de Estrutura

Examina os formatos MOL, SDF, PDB, CIF e XYZ em detalhes. Conecta a escolha do formato aos requisitos de aplicação em modelagem e bancos de dados.

Aula 1 • Descritores de Propriedades Físico-Químicas

Aborda logP, pKa, solubilidade e propriedades relacionadas a ADMET. Vincula propriedades calculadas à avaliação de farmacossemelhança e biodisponibilidade.

Aula 2 • Impressões Digitais Estruturais

Explica impressões digitais de vetor de bits e de contagem, incluindo ECFP, MACCS e tipos baseados em caminhos. Fornece a base para busca por similaridade e aprendizado de máquina.

Aula 3 • Métricas de Similaridade e Busca

Aplica coeficientes de Tanimoto, Dice e cosseno à similaridade baseada em impressões digitais. Permite a busca do vizinho mais próximo no espaço químico.

Aula 4 • Descritores Constitucionais e Topológicos

Apresenta contagens de átomos, massa molecular e índices topológicos baseados em grafos. Estabelece as codificações numéricas mais simples da estrutura molecular.

Aula 1 • Cartuchos e Extensões Químicos

Apresenta extensões de banco de dados com reconhecimento químico que permitem consultas de subestrutura e similaridade. Estende o SQL padrão com capacidades de busca molecular.

Aula 2 • Sistemas de Registro de Compostos

Explica deduplicação, remoção de sal e padronização em fluxos de trabalho de registro. Garante a integridade dos dados em grandes coleções de compostos corporativas ou públicas.

Aula 3 • Curadoria de Dados e Controle de Qualidade

Aborda detecção sistemática e correção de erros em conjuntos de dados químicos. Produz bibliotecas de compostos limpas e prontas para análise.

Aula 4 • Integração com Bancos de Dados Públicos

Demonstra acesso programático ao PubChem, ChEMBL e ZINC via APIs. Permite a recuperação automatizada de dados para triagem virtual e análise de SAR.

Aula 1 • Fundamentos e História do QSAR

Traça o QSAR desde a análise de Hansch até abordagens modernas de aprendizado de máquina. Estabelece a base teórica para a modelagem estrutura-atividade.

Aula 2 • Métodos Clássicos de Modelagem QSAR

Implementa regressão linear múltipla, PLS e regressão ridge para QSAR. Fornece modelos de base interpretáveis para exploração de SAR.

Aula 3 • Preparação do Conjunto de Dados para QSAR

Aborda curadoria de dados de atividade, seleção de endpoints e cobertura do espaço químico. Impacta diretamente a confiabilidade do modelo e o domínio de aplicabilidade.

Aula 4 • Modelos QSAR de Aprendizado de Máquina

Aplica florestas aleatórias, SVMs e gradient boosting a conjuntos de dados QSAR. Alcança maior precisão preditiva para paisagens estrutura-atividade complexas.

Aula 1 • Executando Campanhas de Docking

Orienta o docking de alto rendimento de grandes bibliotecas de compostos contra alvos preparados. Traduz a teoria de docking em execução prática de triagem.

Aula 2 • Conceitos de Triagem Virtual

Define estratégias de triagem baseadas em ligante e em estrutura e seus trade-offs. Define o contexto estratégico para a identificação computacional de hits.

Aula 3 • Pontuação de Consenso e Seleção de Hits

Combina múltiplos métodos de pontuação para melhorar a confiabilidade da seleção de hits. Reduz falsos positivos antes do acompanhamento experimental caro.

Aula 4 • Princípios de Docking Molecular

Explica funções de pontuação, algoritmos de busca e preparação do sítio de ligação. Fornece o entendimento mecanicista necessário para executar o docking corretamente.

Aula 1 • Análise de Trajetórias

Analisa RMSD, RMSF, ligações de hidrogênio e mapas de contato a partir de trajetórias. Extrai insights estruturais e dinâmicos relevantes para a ligação.

Aula 2 • Cálculos de Energia Livre de Ligação

Aplica métodos MM-PBSA, MM-GBSA e FEP para estimar afinidades de ligação. Conecta dados de simulação a previsões quantitativas de afinidade.

Aula 3 • Fundamentos de Simulação de DM

Apresenta campos de força, equações de movimento e tipos de ensemble. Estabelece a base física para interpretar trajetórias de simulação.

Aula 4 • Preparação do Sistema para DM

Aborda parametrização de proteína e ligante, solvatação e ionização. A preparação correta é pré-requisito para resultados de simulação significativos.

Aula 1 • Redes Neurais de Grafos para Propriedades

Implementa arquiteturas GCN, GAT e MPNN para previsão de propriedades moleculares. Alcança precisão de última geração em conjuntos de dados de referência.

Aula 2 • Modelos Generativos para Design de Novo

Treina VAEs, GANs e modelos baseados em fluxo para gerar novas moléculas farmacossemelhantes. Permite a geração molecular direcionada a objetivos com restrições de propriedades.

Aula 3 • Interpretabilidade e Implantação de Modelos

Aplica GradCAM, pesos de atenção e SHAP para explicar previsões de aprendizado profundo. Prepara modelos para integração em pipelines de triagem e design.

Aula 4 • Representações Moleculares em Grafos

Codifica moléculas como grafos com nós de átomos e arestas de ligações para redes neurais. Fornece a base de estrutura de dados para todos os modelos baseados em grafos.