Bioinformática

Publicação

Uma proposta de algoritmo para clustering baseado em coloração de vértices e sua implementação para Análise de Dados de Microarray

Meta-heurística Colônia de Formigas Aplicada ao Problema do Caixeiro Viajante

Bioinformática na Era Pós-Genômica: métodos de dinâmica molecular, docking e qsar-3D/4D no planejamento de novos fármacos antiparasitários

Structure-Function Inferences Based On Molecular Modeling, Sequence-Based Methods and Biological Data Analysis of Snake Venom Lectins

Many Task Computing for Orthologous Genes Identification in Protozoan Genomes using Hydra

Gene expression and molecular modeling of the HSP104 chaperone of Trypanosoma cruzi

Post-streptococcal glomerulonephritis: Immunopathological aspects and perspectives for in silico experiments

Effect of 9-hydroxy-a- and 7-hydroxy-pyran Naphthoquinones on Trypanosoma cruzi and Structure-activity Relationship Studies

Ecotin: Exploring a feasible antithrombotic profile

Regressão com máquinas de vetores suporte e seleção de atributos via algoritmo genético aplicada em seleçào genômica

Mirnacle: machine learning with SMOTE and random forest for improving selectivity in pre-miRNA ab initio prediction

Targeting CYP51 for drug design by the contributions of molecular modeling

Rama: a machine learning approach for ribosomal protein prediction in plants

Marine Diterpenes: Molecular Modeling of Thrombin Inhibitors with Potential Biotechnological Application as an Antithrombotic

Geminivirus data warehouse: a database enriched with machine learning approaches

Fangorn Forest (F2): a machine learning approach to classify genes and genera in the family Geminiviridae

Applying in silico Approaches to Nanotoxicology: Current Status and Future Potential

1,4-Naphthoquinones potently inhibiting P2X7 receptor activity

1,4-Naphthoquinones potently inhibiting P2X7 receptor activity

Synthesis, Biological Evaluation, and Molecular Modeling Studies of New Thiadiazole Derivatives as Potent P2X7 Receptor Inhibitors

Genetic Tests for Autism: The Challenges in the Laboratory Diagnosis

visGReMLIN: graph mining-based detection and visualization of conserved motifs at 3D protein-ligand interface at the atomic level

Structure-activity relationship, molecular docking, and molecular dynamic studies of diterpenes from marine natural products with anti-HIV activity

OCCAM: prediction of small ORFs in bacterial genomes by means of a target-decoy database approach and machine learning techniques

Molecular modelling and dynamics simulations of single-wall carbon nanotube as a drug carrier: New insights into the drug-loading process

Pesquisador

Adriano de Oliveira Caminha

Professor Associado, Pesquisador, UFF-Universidade Federal Fluminense, ICEx-Instituto de Ciências Exatas, Departamento de Física, Campus Aterrado, Volta Redonda-RJ.
D.Sc. em Engenharia de Sistemas e Computação pela UFRJ/COPPE/PESC - Universidade Federal do Rio de Janeiro (2009). 
M.Sc. em Ciências da Computação pela UFCG - Universidade Federal de Campina Grande-PB (2000). 
Bacharel em Ciências da Computação pela UFCG - Universidade Federal de Campina Grande-PB (1997).

Fabio Ribeiro Cerqueira

Possui graduação em ciência da computação pela Universidade Federal de Viçosa, 1996. Obteve seu mestrado também em ciência da computação pela UNICAMP, 1999, completando a primeira dissertação no Brasil em montagem de fragmentos de DNA. Em 2006, completou um curso de especialização em bioinformática na Universidade de Lisboa, ingressando a seguir no doutoramento. Obteve o grau de doutor (modalidade European Doctorate) em Informática Biomédica pela University for Health Sciences, Medical Informatics and Technology, Hall in Tyrol, Austria, 2010.

Daniel Cardoso Moraes de Oliveira

Daniel de Oliveira é professor do Instituto de Computação da Universidade Federal Fluminense (IC/UFF) desde fevereiro de 2013. Recebeu o grau de Doutor em Engenharia de Sistemas e Computação pela COPPE/UFRJ em 2012 e o de Mestre em Engenharia de Sistemas e Computação em 2008, também pela COPPE/UFRJ. Desde 2013 lidera o Grupo de Pesquisa em eScience da Universidade Federal Fluminense (UFFeScience). É bolsista de produtividade nível 2 do CNPq desde 2016 e Jovem Cientista do Nosso Estado da FAPERJ também desde 2016.