[Prévia] [Próxima] [Prévia por assunto] [Próxima por assunto]
[Índice cronológico]
[Índice de assunto]
InformaÃÃes sobre matricula: Disciplina PPGEEA-ESALQ-USP
- Subject: InformaÃÃes sobre matricula: Disciplina PPGEEA-ESALQ-USP
- From: raleandr@usp.br
- Date: Fri, 3 May 2013 09:17:14 -0300 (BRT)
CarosPara obter informaÃÃes sobre matrÃcula na disciplina LCE5713 - TÃpicos Especiais em EstatÃstica.
Entrar em contato com Solange Sabadin pelo email: solange.sabadin@usp.br
Grata, Roseli.
De: "Roseli Aparecida Leandro" <roseli.ap.leandro@gmail.com>
Para: "Solange Secretaria" <sapsabad@gmail.com>, "Mayara Segatto" <mayarasegatto@gmail.com>, "rbras l" <rbras_l@rbras.org.br>, abe-l@ime.usp.br, "Roseli Aparecida Leandro" <raleandr@usp.br>
Enviadas: Quarta-feira, 24 de Abril de 2013 9:56:06
Assunto: DivulgaÃÃo de disciplina PPGEEA-ESALQ-USP
Prezados colegas
No periodo de 10/06/2013 a 05/07/2013 estarà visitando o Departamento de CiÃncias Exatas, o Prof Dr Guilherme JordÃo de MagalhÃes Rosa, Professor Associado do Department of Animal Sciences e do Department of Biostatistics & Medical Informatics, na University of Wisconsin-Madison, Wisconsin, EUA.
Na ocasiÃo ministrarà a disciplina: LCE5713 - TÃpicos Especiais em EstatÃstica, cujo tema serÃ: Modelagem EstatÃstica Aplicada à GenÃtica Quantitativa.
O objetivo da disciplina:
Serà a discussÃo de diferentes tÃcnicas estatÃstica aplicadas ao planejamento de estudos e anÃlise de dados em genÃtica quantitativa. O conteÃdo administrado serà subdividido em mÃdulos referentes a diferentes tÃpicos genÃticos. Cada mÃdulo serà constituÃdo de trÃs componentes: introduÃÃo aos conceitos genÃticos e genÃmicas pertinentes, discussÃo de modelos estatÃsticos, implementaÃÃo de anÃlises utilizando exemplos com dados simulados e dados reais.
A ementa:
A disciplina serà estruturada em cinco mÃdulos:
I. Modelos mistos para anÃlise de dados correlacionados
- PrincÃpios de genÃtica quantitativa
- Modelos lineares de efeitos mistos
- Casos especiais: dados binÃrios e de contagem, dados longitudinais, efeito materno, caracterÃsticas fenotÃpicas mÃltiplas
- LaboratÃrio prÃtico com utilizaÃÃo de programas estatÃsticos no ambiente R
II. AnÃlise de ligaÃÃo e estudos de associaÃÃo
- IntroduÃÃo aos conceitos de genes e genomas, marcadores moleculares e mapas genÃticos
- ConstruÃÃo de mapas de ligaÃÃo e mapeamento de QTL
- Estudos de associaÃÃo entre marcadores moleculares e caracterÃsticas fenotÃpicas
- LaboratÃrio prÃtico com utilizaÃÃo de programas estatÃsticos no ambiente R
III. Estudos de expressÃo gÃnica
- Conceitos bÃsicos de expressÃo gÃnica e de tecnologias para avaliaÃÃo de atividade genica
- ComparaÃÃo de grupos experimentais, correÃÃes para testes mÃltiplos, e avaliaÃÃo de grupos de genes
- LaboratÃrio prÃtico com utilizaÃÃo de programas estatÃsticos no ambiente R e outras ferramentas
IV. PrediÃÃo genÃmica de caracteres complexos
- IntroduÃÃo a conceitos bÃsicos
- Modelos de regressÃo com numero maior de variÃveis do que observaÃÃes
- TÃcnicas de validaÃÃo cruzada
- LaboratÃrio prÃtico com utilizaÃÃo de programas estatÃsticos no ambiente R
V. RelaÃÃes causais entre caracterÃsticas fenotÃpicas
- CorrelaÃÃes e relaÃÃes de causa-efeito
- Modelos de equaÃÃes estruturais
- Genes como variÃveis instrumentais
- LaboratÃrio prÃtico com utilizaÃÃo de programas estatÃsticos no ambiente R
Bibliografia
Broman, K. W. and Sen, S. A Guide to QTL Mapping with R/qtl. Springer, 2009.
De los Campos, G., Gianola, D., Rosa, G. J. M., Weigel, K. A. and Crossa J. Semi-parametric genomic-enabled prediction of genetic values using reproducing kernel Hilbert spaces methods. Genetics Research 92: 295-308, 2010.
Gentleman, R., Carey, V., Huber, W., Irizarry, R. and Dudoit, S. Bioinformatics and Computational Biology Solutions Using R and Bioconductor. Springer, 2005.
Hastie, T., Tibshirani, R. and Friedman, J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd Edition. Springer, 2009.
Lynch, M. and Walsh, B. Genetics and Analysis of Quantitative Traits. Sinauer Assoc., 1998.
Okut, H., Gianola, D., Rosa, G. J. M., and Weigel, K. A. Prediction of body mass index in mice using dense molecular markers and a regularized neural network. Genet. Res. 93: 189-201, 2011.
Pearl, J. Causality: Models, Reasoning and Inference. Cambridge Uni. Press, 2009.
Rosa, G. J. M. Foundations of Animal Breeding. In: Encyclopedia of Sustainability Science and Technology. Meyers, R. A. (Editor). New York: Springer, 2012.
Rosa, G. J. M., Valente, B. D., de los Campos, G., Wu, X.-L., Gianola, D. and Silva, M. A. Inferring causal phenotype networks using structural equation models. Genetics Selection Evolution 43: 6, 2011.
Sorensen, D. and Gianola, D. Likelihood, Bayesian and MCMC Methods in Quantitative Genetics. Springer, 2002.
Vazquez, A. I., de los Campos, G., Klimentidis, Y. C., Rosa, G. J. M., Gianola, D., Yi, N. and Allison, D. B. A Comprehensive genetic approach for improving prediction of skin cancer risk in humans. Genetics 192: 1493-1502, 2012.
Cronograma de aulas:
10/06/2013 1a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
17/06/2013 2a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
20/06/2013 3a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
24/06/2013 4a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
27/06/2013 5a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
01/07/2013 6a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
04/07/2013 7a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
05/07/2013 8a. Aula disciplina LCE5713 (14:00 as 18:00 horas)
Local: Sala 311-Departamento de CiÃncias Exatas, ESALQ/USP
NÃmero de vagas limitado:
50 vagas
Maiores informaÃÃes:
Solange A. P. Sabadin
Email: solange.sabadin@usp.br
OrganizaÃÃo:
PPGEEA-ESALQ-USP