Biólogo Analista de dados biológicos / Bioinformáta
Possui graduação em Ciências Biológicas e Mestrado em Ciências pelo Departamento de Biologia Celular e Molecular e Bioagentes Patogênicos. Atuou como Técnico de Laboratório (Trainne) e Pesquisador (Mestrando) no Centro de Pesquisas em Virologia (USP). Recentemente, atuou como Analista de Laboratório no controle de qualidade biológico, realizando testes de controle de qualidade de vacinas virais. Atualmente, desenvolve análise de dados biológicos dentre outras análises que envolvam bionformática.
Experiência em: Biologia Celular e Molecular, Virologia, Análise Exploratória de Dados, Python, R, bash-unix.
Links:
Laboratórios por todo o mundo estão sequenciando os genomas das mais diversas formas de vida na Terra. Porém mesmo com custos decrescendo rapidamente e enormes avanços tecnológicos no sequenciamento do genoma, estamos vendo apenas uma pequena parcela destas informações contidas em cada célula, tecido, organismo e ecossistema. No entanto, esta "pequena parcela" das informações biológicas que estamos coletando equivalem a montanhas de dados com os quais os biólogos precisam lidar. Em nenhum outro momento da história da humanidade nossa capacidade de entender as complexidades da vida dependeu tanto de nossas habilidades para trabalhar e analisar dados. E todo esse esforço em pesquisa precisa ser robusto e reproduzível¹.
Com isso, ferramentas que nos ajudem a manipular, transformar, organizar, modelar e visualizar esses dados, de forma eficiente, rápida são essenciais para garantir a produção e reprodutibilidade das pesquisas. A exemplo destas ferramentas, temos as linguagens de programação R e Python que possibilitam a manipulação de grande volume de dados².
Sendo assim, aproveita essa deixa, para compartilhar uma lista de notebooks que me guiaram durante o meu aprendizado de programação em R, que disponibilizo na minha página no Github. Estes notebooks em R são um compilado dos meus estudos e pesquisa sobre a linguagem R.
Atualmente minhas análises requerem bastante manipulação de dados em R, devido muitas das bibliotecas disponíveis para análise de dados genômicos como, RNA-seq e transcriptoma são escritas em R, exemplo Deseq2³.
- Aprender a manipular os diferentes tipos de dados, usando a linguagem de programação R.
- Variáveis e Operadores
- Tipos de dados
- Condicionais if e else
- Loop while
- Loop for
- Funções
- Funções built-in
- Estrutura de dados - Vetores
- Estrutura de dados - Listas
- Estrutura de dados - Matrizes
- Estrutura de dados - Array
- Estrutura de dados - Data Frame
- Estrutura de dados - Fatores
- Manipulação de Arquivos
- Ploting-Gráficos
- RColor_Brewer
- Explorando dados em R
1 - Buffalo, Vince. Bioinformatics Data Skills. 1ª edição. O'Reilly Media; (23 julho 2015)
2 - Wickham, Hadley. R for Data Science. 1ª edição. Alta Books; (15 fevereiro 2019). link
3 - Love MI, Huber W, Anders S (2014). “Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2.” Genome Biology, 15, 550. doi: 10.1186/s13059-014-0550-8.