Fornecer uma visão geral das principais técnicas e algoritmos utilizados para o estudo de genômicaem Bioinformática.
Alinhamento de pares sequências Avaliação de alinhamentos (significado biológico dosalinhamentos, matrizes de substituição, e-values), Algoritmos de alinhamento (alinhamento local,global e semi-global, alinhamento com modelos mais complexos) Alinhamento de mRNAs contrasequências genômicas, Sim-4, Exonerate. Cadeias de Markov e Modelos ocultos de Markov Cadeiasde Markov Modelos Ocultos de Markov (HMM) Estimação de Parâmetros para HMMs Modelosmarkovianos mais complexos, predição de genes Alinhamento local e global de pares de sequenciautilizando HMMs Profile-HMMs para caracterização de famílias de sequências. HMMER e PFAMAlinhamento de genomas, MUMMER; Alinhamentos múltiplos Programação dinâmicamultidimensional Avaliação de alinhamentos múltiplos por soma de pares Métodos de alinhamentoprogressivo Alinhamento múltiplo com profile HMMs Uso de alinhamentos múltiplos para construirfilogenias moleculares Análise de RNAs Predição de estrutura secundária Modelos de CovariâciaRFAM e Infernal HMMs sensíveis ao contexto Busca de motivos em sequências GramáticasHierarquia de Chomski Gramáticas Regulares e seu uso no PROSITE Gramáticas Livres de Contextoe caracterização de estruturas de RNA Gramáticas probabilísticas
· David Mount, Bioinformatics, Seg. Edição, Cold Spring Harbor, 2004· Neil C. Jones e Pavel A. Pevzner: An Introduction to Bioinformatics Algorithms, MIT Press, 2004· R. Durbin, S. Eddy, A. Krogh, G. Mitchison: Biological Sequence Analysis: probabilistic models of proteins and nucleic acids, Cambridge Press, 1998· Wing-Kin Sung: Algorithms in Bionformatics: A practical introduction, CRC Press, 2009.· João Setubal e João Meidanis: Introduction to Computational Molecular Biology, PWS press, 1997.
