Avaliação do módulo de cinética enzimática: determinação de constantes cinéticas utilizando diversos métodos matemáticos.

Exemplos de aplicação de cinética enzimática. Determinação dos parâmetros cinéticos Km e Vmax utilizando os métodos de Lineweaver-Burk, Eadie-Hofstee, Hanes, Método Linear Directo e por ajuste directo à equação de Michaelis-Menten utilizando o Excel.

Enzimas alostéricas e não alostéricas. Cinética de Michaelis-Menten. Dedução da equação de Michaelis Menten. Significado de Km e Vmax. Inibidores competitivos, não competitivos e acompetitivos e seu efeito nos parâmetros cinéticos. Reacções com dois substratos: mecanismos sequenciais e não-sequenciais. Enzimas alostéricas: modelo MWC e modelo de Koshland.

Introdução às enzimas e às reacções catalizadas por enzimas. Mecanismo de funcionamento de uma enzima.Classificação e estrutura das enzimas. Medição da actividade enzimática. Factores que afectam a velocidade enzimática: temperatura, pH, força iónica, pressão, concentração de enzima, concentração de substrato, presença de activadores e inibidores.

Exercícios de análise de dados utilizando análise em componentes principais e técnicas de análise classificatória.

Algoritmo kmeans e algoritmo PAM (partitioning around medoids). Escolha do número de classes e comparação de classificações.

Introdução à análise classificatória. Cálculo de distâncias entre indivíduos. Algoritmos hierárquicos aglomerativos. Cálculo da distância entre classes. Algoritmos hierárquicos divisivos.

Análise em componentes principais: exercícios de aplicação.

Feriado nacional.

Análise em componentes principais (cont).

Introdução à análise em componentes principais.

Início da realização do trabalho de avaliação sobre ANOVA e/ou Regressão linear.

Introdução a "Response Surface Methodology". Delineamento factorial com 2 níveis. Adição de pontos centrais. "Central Composite Design". Determinação de condições ótimas: o método "steepest ascent" e a análise canónica. Exemplos utilizando o package rsm do R.

Regressão linear simples e múltipla do ponto de vista descritivo. Método dos mínimos quadrados. Transformações linearizantes. Coeficiente de determinação e coeficiente de determinação modificado. Regressão polinomial. Inferência em regressão linear múltipla: pressupostos e sua validação através de gráficos de resíduos; teste F de ajustamento global; estimação da variância dos erros aleatórios e dos parâmetros do modelo. Modelos e submodelos.

Análise de Variância com blocos aleatorizados, a dois fatores em delineamento fatorial equilibrado, com mais do que uma observação por célula. Intervalos de confiança de Tukey. Testes de diagnóstico de resíduos. Teste de Bartlett para homogeneidade de variâncias. Gráficos de interação. Exemplos utilizando a linguagem R.

Inferência Estatística: resolução de exercícios. 
O problema das comparações múltiplas. Análise de Variância para um delineamento a um fator com efeitos fixos: modelo, teste aos efeitos do fator e exemplo.

Inferência Estatística: testes de hipóteses e intervalos de confiança. Testes t para a média de uma amostra e para comparação de médias em duas amostras independentes e emparelhadas. Validação de pressupostos: teste de Shapiro-Wilk, teste F para comparação de variâncias.

Revisões de estatística descritiva a duas dimensões.

Revisões de estatística descritiva a uma dimensão.

Programação com R.

Objectos de tipo function. Leitura de dados. Escrita em ficheiros. Gráficos.

Objectos de tipo list, dataframe. Selecção de componenetes. Objectos de tipo function. Leitura de ficheiros.

Objectos de tipo vector e matrix.

Introdução ao ambiente R.