Autenticação

Utilizador:

Senha:

Iniciar sessão

Esqueceu-se da senha?

Bioquímica Computacional

Código:

BINF026

Sigla:

BC

Áreas Científicas
Classificação	Área Científica
OFICIAL	Biotecnologia

Ocorrência: 2019/2020 - 1S

Ativa?	Sim
Unidade Responsável:	Biotecnologia
Curso/CE Responsável:	Licenciatura em Bioinformática

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
BINF	18	Plano Estudos 2016	3	-	5,5	60	148,5

Língua de trabalho

Português

Objetivos

A UC visa desenvolver as capacidades de modelação em química e bioquímica, incluindo a modelação de proteínas e da sua interacção com outras moléculas. Os estudantes irão estudar a validade e aplicabilidade dos métodos semi-empíricos e ab initio, e das abordagens DFT, bem como as noções básicas de mecânica e dinâmicas moleculares, de docking de proteínas a ligandos e interacções proteínaproteína.

 

Resultados de aprendizagem e competências

.

Modo de trabalho

Presencial

Programa

1. Introdução – estrutura atómica e molecular; ligações e interacções; a equação de Schrödinger e a sua aplicação; software de modelação. 2. Química computacional – métodos semi-empíricos, DFT e ab initio; características, aplicação e limitações. 3. Química computacional – modelos implícitos e explícitos para fases condensadas. 4. Modelação de proteínas – modelação por homologia e modelação ab initio. 5. Modelação de proteínas – mecânica molecular e dinâmica molecular aplicadas a questões biológicas; campos de forças, aplicação e limitação. 6. Lípidos e membranas – abordagens computacionais. 7. Interacções ligando-proteínas – técnicas de docking, aplicações e limitações; análise pós-docking – refinamentos baseados em química quântica e em dinâmica molecular. 8. Interacções entre proteínas – o interactoma; ferramentas de docking proteína-proteína.

Bibliografia Obrigatória

Cramer, C.J; Essentials of Computational Chemistry: Theories and Models.. ISBN: 978-0-470-09182-1
Tsai, C.S; An Introduction to Computational Biochemistry. , John Wiley & Sons, 2002. ISBN: 978-0-471-40120-9
Kukol, A.; Molecular Modeling of Proteins., Springer Nature, 2008. ISBN: 978-1-58829-864-5

Métodos de ensino e atividades de aprendizagem

Ensino 1. 1,5 h semanais teóricas para exposição de conceitos e técnicas. 2. 1,5 h semanais práticas centradas na resolução de exercícios e na apreensão dos aspectos básicos de manipulação de software, planificação do trabalho necessário para as diferentes tarefas e interpretação dos resultados obtidos pelas diferentes técnicas. Avaliação 1. Contínua: vários mini-trabalhos serão distribuídos ao longo do semestre; todos os trabalhos serão avaliados e a média das classificações contribuirá 50% para a nota final da UC. Um teste final contribuirá 50% para a nota final da UC. 2. Por exame: exame final (nota mínima: 9,5 em 20). A nota final da UC será a nota da UC.

Software

GROMACS
qtgrace
VMD

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	40,00
Trabalho laboratorial	60,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Frequência das aulas	52,50
Estudo autónomo	66,00
Trabalho laboratorial	30,00
Total:	148,50

Obtenção de frequência

NA

Fórmula de cálculo da classificação final

CF (AC) = 0.40 * médias das notas dos 2 testes + 0.60 * média das notas dos trabalhos
É exigida nota mínima de 8,0 val nos Testes e de 9,5 val na média dos trabalhos

CF (Exame) = 100% nota de exame

Provas e trabalhos especiais

A classificação do trabalho pode ser distinta para diferentes membros de cada grupo, dependendo do desempenho pessoal durante a apresentação e a discussão do mesmo.

Aos estudantes com classificação final na UC superior a 16 (dezasseis) valores será exigida a realização de uma Prova Oral; a classificação final na UC será a nota da Prova Oral. Em caso de não comparência à Prova Oral, a classificação final na UC será de 16 valores.