Dispositivo	Status	Recursos	Instituição	Score
Carregando dispositivos reais…

#	Dispositivo	Status	Hardware	Rede	Confiabilidade	Score
Carregando inventário do backend…

Mês	Recebidos	Utilizados	LABIO AI	Tarefas	Horas usadas	Horas cedidas
Carregando histórico…

FBIO-01 · MÓDULO DISPONÍVELFundamentos de Sequenciamento

›Fundamentos›Tecnologias de sequenciamento

FUNDAMENTOS DE SEQUENCIAMENTO

Do sequenciador ao FASTQ

Entenda as gerações, as plataformas e o caminho percorrido pelos dados antes da bioinformática.

Módulo introdutório20–30 minSem pré-requisitos

PONTO DE PARTIDA

Sequenciar é transformar moléculas em sinais e sinais em bases

O equipamento detecta eventos físicos ou químicos produzidos durante a leitura de DNA ou RNA. O software converte esses sinais em bases, atribui uma medida de confiança e organiza as leituras para análise.

Antes do sequenciamento

Amostra e extração de ácidos nucleicos
Controle de qualidade e quantificação
Preparação da biblioteca

Depois do sequenciamento

Base calling e demultiplexação
FASTQ, BAM ou arquivos nativos da plataforma
Controle de qualidade e análise bioinformática

1ª, 2ª E 3ª GERAÇÕES

Sanger, NGS e TGS não são a mesma tecnologia

Grupo	Como funciona	Perfil das leituras	Uso frequente
Sanger Primeira geração	Terminação de cadeia e eletroforese capilar.	Poucas leituras, relativamente longas e muito precisas.	Validação, amplicons e regiões-alvo.
NGS Segunda geração	Milhões de moléculas são lidas em paralelo.	Leituras curtas, grande volume e baixo custo por base.	Genomas, painéis, RNA-seq e metagenômica.
TGS Terceira geração	Moléculas individuais são observadas em tempo real.	Leituras longas, capazes de atravessar regiões repetitivas.	Montagem, isoformas e variantes estruturais.

PLATAFORMAS

O equipamento define parte importante do desenho da análise

01

Illumina: HiSeq, NextSeq e NovaSeq

Plataformas de NGS por síntese, voltadas a leituras curtas e alta produção. HiSeq é uma família histórica de alto rendimento; NextSeq prioriza flexibilidade e rapidez; NovaSeq atende projetos de grande escala. HiSeq é uma plataforma de NGS, não um sinônimo de NGS.

02

PacBio HiFi

TGS por molécula única em tempo real. Leituras consenso de alta fidelidade combinam comprimento e precisão, sendo úteis em montagens, haplótipos e isoformas completas.

03

Oxford Nanopore

TGS baseada na passagem da molécula por um nanoporo. Permite leituras muito longas, acompanhamento em tempo real e equipamentos de diferentes escalas.

FLUXO DOS DADOS

Da biblioteca ao arquivo usado no pipeline

01

Biblioteca e corrida

As moléculas recebem adaptadores e, quando necessário, índices que identificam cada amostra.

02

Base calling e demultiplexação

O sinal bruto é convertido em bases e as leituras são separadas pelos índices das amostras.

03

FASTQ e qualidade Phred

Cada leitura recebe sua sequência e uma qualidade por base. Esse é o ponto de entrada mais comum para FastQC, fastp e outros controles.

Plataforma	Arquivo próximo ao instrumento	Arquivo comum para análise
Illumina	BCL	FASTQ
Oxford Nanopore	POD5	FASTQ ou BAM
PacBio	Dados da corrida / subreads	BAM e FASTQ, conforme o fluxo

DECISÃO EXPERIMENTAL

Escolha pela pergunta biológica, não apenas pelo equipamento

Leituras curtas costumam favorecer

Quantificação e estudos com muitas amostras
Variantes pequenas com referência adequada
Projetos que exigem grande profundidade

Leituras longas costumam favorecer

Montagem de novo e regiões repetitivas
Isoformas completas e variantes estruturais
Faseamento e resolução de haplótipos

Projetos híbridos podem combinar leituras curtas e longas. O desenho final deve considerar qualidade da amostra, organismo, profundidade, orçamento e objetivo científico.

› Dinâmica Molecular › GROMACS

Dinâmica Molecular

GROMACS

Simulação e análise de dinâmica molecular.

Tutorial guiado CPU / GPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

Estrutura PDB/GRO
Topologia
Arquivos MDP

Resultados esperados

Trajetória XTC/TRR
Energia EDR
Checkpoint CPT
Estruturas GRO

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Preparar a estrutura

Revise cadeias, resíduos, átomos ausentes e estado inicial da estrutura.

gmx pdb2gmx -f structure.pdb -o processed.gro

02

Definir a caixa periódica

Crie a caixa com dimensões adequadas ao sistema.

gmx editconf -f processed.gro -o boxed.gro -c -d 1.0

03

Solvatar

Adicione o solvente definido pelo protocolo.

gmx solvate -cp boxed.gro -o solvated.gro

04

Adicionar íons

Neutralize o sistema e, quando necessário, ajuste a concentração iônica.

gmx grompp ...
gmx genion ...

05

Minimização

Realize a minimização de energia antes do equilíbrio.

gmx grompp ...
gmx mdrun ...

06

Equilíbrio NVT

Estabilize a temperatura do sistema.

gmx grompp ...
gmx mdrun ...

07

Equilíbrio NPT

Estabilize pressão e densidade conforme o protocolo.

gmx grompp ...
gmx mdrun ...

08

Produção

Execute a etapa produtiva da dinâmica molecular.

gmx mdrun ...

09

Análises

Avalie RMSD, RMSF, energia, contatos e outras métricas apropriadas.

gmx rms ...
gmx rmsf ...

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Force field`	Modelo físico utilizado na topologia.
`Time step`	Intervalo de integração.
`Temperature`	Temperatura de referência.
`Pressure`	Pressão de referência.
`Simulation time`	Duração da produção.

TROUBLESHOOTING

Verifique antes de executar

Topologia e coordenadas incompatíveis.
Estrutura inicial incompleta.
Equilíbrio insuficiente.
Parâmetros inadequados ao sistema.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Docking Molecular › AutoDock Vina

AUTODOCK VINA · MOLECULAR DOCKING

AutoDock Vina

Uma ferramenta de docking molecular para explorar como pequenas moléculas podem se posicionar em uma região de uma estrutura macromolecular e ordenar as poses produzidas por uma função de scoring.

Neste tutorial você realizará um redocking de imatinib no domínio quinase de c-Abl, utilizando a estrutura experimental PDB 1IEP como exemplo.

ENTRADA Receptor + ligante

BUSCA Poses no pocket

RESULTADO Ranking + geometria

Entender a ferramenta ↓ Ir para o tutorial

EXEMPLO ESTRUTURAL c-Abl + Imatinib

PDB 1IEP

LIGANTE

Imatinib

Pequena molécula utilizada neste tutorial como ligante do domínio quinase de c-Abl.

STI-571 ligand PDB 1IEP

RECEPTOR c-Abl kinase

LIGANTE Imatinib

EXPERIMENTO Redocking

CONCEITO

O que é AutoDock Vina?

AutoDock Vina é um programa de docking molecular. Ele procura orientações e conformações possíveis de um ligante dentro de uma região tridimensional definida no receptor.

Durante a busca, diferentes poses são geradas, otimizadas e avaliadas por uma função de scoring. Ao final, o programa retorna um conjunto de soluções ordenadas e suas respectivas geometrias.

01

R

Receptor

Estrutura que contém a região de interesse.

→

02

L

Ligante

Molécula cuja pose será explorada.

→

03

□

Search space

Região em que o algoritmo procura.

→

04

S

Poses + score

Soluções produzidas e ordenadas.

SEARCH

O Vina não procura em toda a proteína

A busca ocorre dentro da caixa tridimensional definida pelo usuário. Uma região inadequada pode impedir que o algoritmo encontre a pose de interesse.

FLEXIBILITY

O protocolo básico usa receptor rígido

O ligante possui graus de liberdade conformacionais. Flexibilidade limitada de resíduos do receptor pode ser tratada em protocolos específicos.

EXHAUSTIVENESS

Mais busca custa mais computação

Exhaustiveness controla o esforço de busca. Valores maiores aumentam a exploração, mas também elevam o custo computacional.

INTERPRETATION

Score não substitui validação

O ranking deve ser interpretado junto com geometria, interações, controles e a hipótese científica.

i

O objetivo do docking não é apenas obter “o menor número”.

Um resultado útil deve combinar uma pose estruturalmente plausível, parâmetros documentados e interpretação adequada ao desenho experimental.

EXAMPLE 01

c-Abl + Imatinib

Exemplo baseado no tutorial oficial de docking básico do AutoDock Vina.

Receptor 1iep_receptorH.pdb

Ligante 1iep_ligand.sdf

Grid 20 × 20 × 20 Å

Exhaustiveness 32

WORKFLOW O que você vai fazer

01 Obter dados receptor + ligante 02 Receptor preparar PDBQT 03 Ligante preparar PDBQT 04 Grid box definir região 05 Docking executar Vina 06 Resultados poses + scores 07 Validar inspeção estrutural

PREPARAÇÃO

Antes de começar

Confira se o ambiente contém o executável do Vina e as ferramentas necessárias para preparar moléculas.

V

AutoDock Vina execução do docking


                    vina --help

M

Meeko preparação PDBQT


                    mk_prepare_ligand.py

3D

Estruturas receptor + ligante


                    PDB / SDF

Verificação do ambiente

vina --version
vina --help
mk_prepare_receptor.py --help
mk_prepare_ligand.py --help

INPUT DATA

Receptor e ligante

Neste exemplo utilizaremos a estrutura da quinase c-Abl complexada com imatinib. O receptor e o ligante são tratados separadamente antes do docking.

P

RECEPTOR 1iep_receptorH.pdb

Proteína com hidrogênios adicionados antes da geração do PDBQT.

L

LIGAND 1iep_ligand.sdf

Estrutura tridimensional do imatinib com conectividade molecular preservada.

Por que SDF para o ligante?

SDF preserva informações de ligação que são essenciais para preparar corretamente pequenas moléculas.

Checklist Estrutura do receptor revisada Águas e componentes não necessários avaliados Ligante com geometria 3D válida Estado de protonação revisado

RECEPTOR PREPARATION

Converter o receptor para PDBQT

O Meeko gera o receptor no formato necessário para o Vina e, neste exemplo, também cria a definição da caixa de docking.

Preparar receptor

mk_prepare_receptor.py \
  -i 1iep_receptorH.pdb \
  -o 1iep_receptor \
  -p -v \
  --box_size 20 20 20 \
  --box_center 15.190 53.903 16.917

-i arquivo de entrada

-o prefixo dos arquivos gerados

-p gerar receptor PDBQT

-v gerar arquivos da caixa

ARQUIVOS ESPERADOS


                        1iep_receptor.pdbqt

receptor utilizado pelo Vina


                        1iep_receptor.box.txt

coordenadas e tamanho da caixa

LIGAND PREPARATION

Gerar o PDBQT do imatinib

O ligante deve ser preparado mantendo corretamente conectividade, protonação e ligações rotacionáveis.

Preparar ligante

mk_prepare_ligand.py \
  -i 1iep_ligand.sdf \
  -o 1iep_ligand.pdbqt

Atenção à protonação

Se a estrutura inicial não possuir hidrogênios adequados, a etapa de protonação deve ocorrer antes da geração do PDBQT.

✓ Preferível


                        ligand.sdf

Mantém informação explícita sobre ligações químicas.

! Evite como origem


                        ligand.pdb

Não representa de forma adequada a conectividade de pequenas moléculas.

SEARCH SPACE

Onde o Vina deve procurar?

A caixa define a região tridimensional explorada durante o docking. Neste exemplo ela cobre o sítio ocupado pelo ligante cristalográfico.

SEARCH SPACE

Representação esquemática

CENTER X


                            15.190

CENTER Y


                            53.903

CENTER Z


                            16.917

SIZE X


                            20 Å

SIZE Y


                            20 Å

SIZE Z


                            20 Å

1iep_receptor.box.txt

center_x = 15.190
center_y = 53.903
center_z = 16.917

size_x = 20.0
size_y = 20.0
size_z = 20.0

Um grid incorreto invalida o experimento

O Vina somente explora a região definida. A caixa deve ser escolhida de acordo com a hipótese estrutural do experimento.

RUN AUTODOCK VINA

Executar o experimento

Com receptor, ligante e caixa preparados, o docking pode ser executado diretamente pelo Vina.

AutoDock Vina

vina \
  --receptor 1iep_receptor.pdbqt \
  --ligand 1iep_ligand.pdbqt \
  --config 1iep_receptor.box.txt \
  --exhaustiveness 32 \
  --out 1iep_ligand_vina_out.pdbqt

RECEPTOR --receptor

Estrutura rígida preparada em PDBQT.

LIGAND --ligand

Molécula flexível preparada em PDBQT.

SEARCH --config

Centro e dimensões da caixa.

COMPUTE --exhaustiveness 32

Aumenta o esforço empregado na busca.

RESULTS

Poses e scores

O arquivo final contém as poses encontradas. O terminal também apresenta o ranking das soluções produzidas durante a busca.

MODE AFFINITY DIST. FROM BEST

1 melhor score 0.000

2 score pose 2 RMSD relativo

3 score pose 3 RMSD relativo

1. Ranking

Compare as poses produzidas dentro do mesmo protocolo.

2. Geometria

Verifique se a pose ocupa uma região estrutural plausível.

3. Interações

Examine contatos, ligações de hidrogênio e resíduos do pocket.

4. Reprodutibilidade

Registre versão, caixa, parâmetros e arquivos.

Score não é uma medição experimental

Use o ranking juntamente com a inspeção estrutural e controles adequados ao experimento.

VALIDATION

A análise não termina no score

Em um exemplo de redocking como este, a pose prevista pode ser comparada estruturalmente com a orientação experimental do ligante.

Inspecionar o pocket A pose está no sítio esperado?

Comparar orientação A conformação é estruturalmente plausível?

Examinar resíduos Quais contatos sustentam a pose?

Registrar parâmetros Grid, versão, exhaustiveness, inputs e outputs.

✓

TUTORIAL CONCLUÍDO

Você completou um workflow básico de docking com Vina.

O próximo passo é aplicar o mesmo raciocínio ao seu próprio receptor e ligante.

REFERENCE

Parâmetros importantes

Parâmetro	Função	Neste exemplo
`center_x/y/z`	Centro da região pesquisada.	15.190 / 53.903 / 16.917
`size_x/y/z`	Dimensões da caixa em Å.	20 / 20 / 20
`exhaustiveness`	Esforço utilizado na busca.	32
`--out`	Arquivo contendo poses resultantes.	1iep_ligand_vina_out.pdbqt

TROUBLESHOOTING

Erros comuns

01 Grid incorreto

A caixa não cobre a região que deveria ser explorada.

02 Ligante mal preparado

Protonação, conectividade ou geometria estão incorretas.

03 Receptor inconsistente

Resíduos, cofatores ou átomos foram tratados inadequadamente.

04 Interpretar apenas score

O resultado precisa de avaliação estrutural.

REFERENCES

Referências e documentação

Fontes científicas e técnicas utilizadas na construção deste tutorial.

6 fontes

01

Trott O, Olson AJ. 2010.

AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading.

Journal of Computational Chemistry 31(2):455–461 · DOI 10.1002/jcc.21334

↗ 02

Eberhardt J, Santos-Martins D, Tillack AF, Forli S. 2021.

AutoDock Vina 1.2.0: New Docking Methods, Expanded Force Field, and Python Bindings.

Journal of Chemical Information and Modeling 61(8):3891–3898 · DOI 10.1021/acs.jcim.1c00203

↗ 03

Forli S, Huey R, Pique ME, Sanner MF, Goodsell DS, Olson AJ. 2016.

Computational protein–ligand docking and virtual drug screening with the AutoDock suite.

Nature Protocols 11:905–919 · DOI 10.1038/nprot.2016.051

↗ 04

AutoDock Vina Documentation.

Basic docking tutorial: preparação do receptor, ligante, search box, execução e análise do sistema 1IEP.

Documentação oficial AutoDock Vina

↗ 05

RCSB Protein Data Bank · 1IEP.

Crystal structure of the c-Abl kinase domain in complex with STI-571.

PDB DOI 10.2210/pdb1IEP/pdb

↗ 06

Meeko · Forli Lab.

Interface utilizada para preparação e parametrização de ligantes e receptores para AutoDock Vina.

Documentação oficial Meeko

↗

Como citar o software

Ao utilizar AutoDock Vina em trabalhos científicos, consulte a documentação da versão utilizada e cite os trabalhos metodológicos apropriados.

AUTODOCK VINA

Pronto para usar seus próprios dados?

Utilize o tutorial como referência para configurar um novo experimento dentro da LABIO.NETWORK.

› Docking + IA › GNINA

Docking + IA

GNINA

Docking e rescoring com modelos neurais.

Tutorial guiado CPU / GPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

Receptor
Ligantes
Pocket

Resultados esperados

Poses
Docking score
CNN score

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Preparar receptor

Prepare a estrutura receptora.

receptor.pdb

02

Preparar ligantes

Padronize os compostos.

ligands.sdf

03

Definir pocket

Determine a região de docking.

reference ligand / box

04

Configurar scoring

Defina a estratégia de scoring.

gnina ...

05

Executar docking

Execute em CPU ou GPU conforme disponível.

gnina ...

06

Comparar resultados

Analise pose, score e CNN score.

results.sdf

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Pocket`	Região pesquisada.
`Exhaustiveness`	Profundidade da busca.
`CNN scoring`	Estratégia de scoring neural.

TROUBLESHOOTING

Verifique antes de executar

Pocket incorreto.
Ligantes mal preparados.
Uso de score isolado como evidência experimental.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Quimioinformática › Open Babel

Quimioinformática

Open Babel

Conversão e preparação de formatos moleculares.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

SDF
MOL2
PDB
SMILES

Resultados esperados

Arquivos moleculares convertidos

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Identificar o formato

Confira o arquivo original.

input.sdf

02

Definir saída

Escolha o formato final.

output.pdb

03

Converter

Execute a conversão.

obabel input.sdf -O output.pdb

04

Adicionar hidrogênios

Quando necessário, ajuste hidrogênios.

obabel ... -h

05

Gerar 3D

Gere coordenadas quando apropriado.

obabel ... --gen3d

06

Validar

Inspecione a estrutura produzida.

output

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Input format`	Formato de entrada.
`Output format`	Formato de saída.
`Hydrogens`	Tratamento de hidrogênios.

TROUBLESHOOTING

Verifique antes de executar

Perda de informação entre formatos.
Estados de protonação inadequados.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Análise Estrutural › FreeSASA

Análise Estrutural

FreeSASA

Área de superfície acessível ao solvente.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

Estrutura PDB

Resultados esperados

SASA total
SASA por resíduo
SASA por átomo

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Selecionar estrutura

Utilize a estrutura a ser analisada.

structure.pdb

02

Revisar cadeias

Confirme cadeias e resíduos relevantes.

PDB

03

Definir parâmetros

Escolha raio da sonda e algoritmo.

probe radius

04

Executar

Calcule SASA.

freesasa structure.pdb

05

Extrair valores

Obtenha os níveis necessários.

residue / atom

06

Interpretar

Compare valores usando critérios consistentes.

results.tsv

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Probe radius`	Raio da sonda.
`Algorithm`	Algoritmo de cálculo.
`Classifier`	Classificação dos átomos.

TROUBLESHOOTING

Verifique antes de executar

Estruturas não comparáveis.
Normalizações diferentes entre grupos.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Sequências › BLAST+

Sequências

BLAST+

Busca de similaridade em sequências biológicas.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

FASTA
Banco BLAST

Resultados esperados

Hits
E-value
Identity
Coverage

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Definir o tipo de consulta

Determine nucleotídeo ou proteína.

query.fasta

02

Escolher o programa

Selecione blastn, blastp ou opção adequada.

blastn / blastp

03

Selecionar banco

Escolha o banco de referência.

database

04

Configurar filtros

Defina e-value e formato de saída.

-evalue ... -outfmt ...

05

Executar

Realize a busca.

blastp -query query.fasta ...

06

Interpretar

Avalie identidade, cobertura, e-value e contexto.

results.tsv

PARAMETERS

Parâmetros principais

Parâmetro	Função
`evalue`	Limite estatístico.
`max_target_seqs`	Número de hits.
`outfmt`	Formato de saída.

TROUBLESHOOTING

Verifique antes de executar

Programa incompatível com a sequência.
Conclusões baseadas somente em identidade.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Sequências › MMseqs2

Sequências

MMseqs2

Busca e clustering de sequências em larga escala.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

FASTA de consulta
FASTA de referência

Resultados esperados

Hits encontrados
Tabela com identidade, coordenadas, E-value e bitscore

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Preparar FASTA

Organize as sequências.

input.fasta

02

Informar a referência

Inclua o FASTA que será pesquisado.

target_content=""">referencia
ATGCGTACGTTAGCTAGCTAGGCTAACCGGTT
"""

03

Usar a busca rápida

A versão móvel v1 executa busca de similaridade.

app="mmseqs2"

04

Configurar sensibilidade

Ajuste a profundidade da busca.

sensitivity=1
kmer_length=8

05

Executar

Envie a célula ao scheduler LABIO.NETWORK.

job = network.submit(
    app="mmseqs2",
    query_content=""">consulta
ATGCGTACGTTAGCTAGCTAGGCTAACCGGTT
""",
    target_content=""">referencia
ATGCGTACGTTAGCTAGCTAGGCTAACCGGTT
""",
    threads=8
)

06

Analisar

Avalie identidade e cobertura.

results.tsv

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Sensitivity`	Sensibilidade da busca.
`Kmer length`	Tamanho das palavras usadas no pré-filtro.
`Threads`	CPUs solicitadas, limitadas ao valor compartilhado pelo dispositivo.

TROUBLESHOOTING

Verifique antes de executar

FASTA de consulta ou referência vazio.
Sequências incompatíveis com o tipo de busca escolhido.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Alinhamento › MAFFT

Alinhamento

MAFFT

Alinhamento múltiplo de sequências.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

FASTA

Resultados esperados

Multiple Sequence Alignment

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Revisar sequências

Verifique integridade e orientação.

sequences.fasta

02

Escolher estratégia

Selecione automática ou específica.

--auto

03

Definir threads

Ajuste o paralelismo.

--thread ...

04

Executar

Realize o alinhamento.

mafft --auto sequences.fasta

05

Inspecionar

Revise gaps e regiões problemáticas.

alignment.fasta

06

Exportar

Salve o MSA.

alignment.fasta

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Strategy`	Estratégia de alinhamento.
`Threads`	Número de threads.

TROUBLESHOOTING

Verifique antes de executar

Sequências não homólogas.
Orientação incorreta.
Regiões extremamente divergentes.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› NGS / QC › fastp

NGS / QC

fastp

Controle de qualidade e pré-processamento de FASTQ.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

FASTQ R1
FASTQ R2 quando paired-end

Resultados esperados

FASTQ filtrado
HTML
JSON

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Identificar layout

Determine single ou paired-end.

R1 / R2

02

Definir arquivos

Configure entrada e saída.

-i / -I

03

Qualidade

Escolha filtros adequados.

quality settings

04

Adaptadores

Configure trimming.

adapter trimming

05

Executar

Processe os reads.

fastp ...

06

Avaliar relatório

Compare antes e depois.

report.html

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Quality threshold`	Limiar de qualidade.
`Minimum length`	Comprimento mínimo.
`Threads`	Paralelismo.

TROUBLESHOOTING

Verifique antes de executar

R1/R2 incorretamente pareados.
Filtragem excessiva.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Montagem Genômica › SPAdes

Montagem Genômica

SPAdes

Montagem de genomas e metagenomas.

Tutorial guiado CPU / RAM Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

FASTQ
Reads paired/single

Resultados esperados

contigs.fasta
scaffolds.fasta
Logs

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Revisar QC

Utilize reads adequadamente filtrados.

FASTQ

02

Escolher modalidade

Defina o tipo de assembly.

SPAdes / metaSPAdes

03

Definir reads

Informe corretamente R1 e R2.

-1 / -2

04

Definir recursos

Configure CPU e memória.

-t ... -m ...

05

Executar

Inicie a montagem.

spades.py ...

06

Avaliar assembly

Analise contigs e métricas de qualidade.

contigs.fasta

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Threads`	Número de threads.
`Memory`	Memória máxima.
`k-mers`	Estratégia de k-mers.

TROUBLESHOOTING

Verifique antes de executar

Memória insuficiente.
Reads contaminados ou de baixa qualidade.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Evolução Molecular › HyPhy

Evolução Molecular

HyPhy

Testes estatísticos de evolução molecular.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

Alinhamento
Árvore filogenética

Resultados esperados

JSON
Estatísticas por sítio
Estatísticas por ramo

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Preparar alinhamento

Utilize alinhamento apropriado.

alignment.fasta

02

Preparar árvore

Defina a filogenia.

tree.nwk

03

Escolher método

Selecione FEL, MEME ou método adequado.

FEL / MEME / ...

04

Definir modelo

Configure opções necessárias.

model

05

Executar

Inicie a análise.

hyphy ...

06

Interpretar

Considere hipótese e correções estatísticas.

results.json

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Method`	Teste estatístico.
`Significance`	Critério de significância.
`Tree`	Árvore utilizada.

TROUBLESHOOTING

Verifique antes de executar

Alinhamento inadequado.
Árvore incompatível.
Interpretação incorreta de p-values ou q-values.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

› Desenvolvimento Científico › Biopython

Desenvolvimento Científico

Biopython

Python para manipulação de dados biológicos.

Tutorial guiado CPU Version-aware

INPUTS / OUTPUTS

Antes de começar

Arquivos de entrada

FASTA
GenBank
PDB
Outros formatos

Resultados esperados

Objetos Python
Dados processados
Arquivos

GUIDED TUTORIAL

Passo a passo

Siga a sequência abaixo antes de criar o job no Workspace.

01

Preparar ambiente

Utilize ambiente Python controlado.

python

02

Importar módulos

Carregue o módulo necessário.

from Bio import SeqIO

03

Ler dados

Parseie o formato biológico.

SeqIO.parse(...)

04

Processar

Implemente a análise.

Python

05

Validar

Confirme os resultados.

checks

06

Exportar

Escreva o formato final.

SeqIO.write(...)

PARAMETERS

Parâmetros principais

Parâmetro	Função
`Parser`	Módulo utilizado.
`Format`	Formato biológico.
`Output`	Formato de saída.

TROUBLESHOOTING

Verifique antes de executar

Formato especificado incorretamente.
Erros de indexação ou coordenadas.

Os comandos apresentados são exemplos operacionais. Parâmetros e sintaxe devem ser compatíveis com a versão efetivamente instalada no ambiente que executará o job.

Bem-vindo à LABIO.NETWORK

Execuções recentes

Saúde da rede

Seu Workspace

Notebook distribuído

Dispositivos recomendados pelo scheduler

Como o score é composto

Aguardando dados reais

Dispositivos da rede

Como a rede está distribuída

Crescimento da rede

Meus servidores

Ranking de dispositivos

Jobs distribuídos

Fila e execuções

Saúde do scheduler

Desempenho das execuções

Aplicações científicas

GROMACS

GNINA / Docking

Kraken2

SPAdes

BLAST+

MMseqs2

MAFFT

FreeSASA

Estruturas / IA

R / Bioconductor

Workflow personalizado

Uso e créditos

Computação nos últimos 30 dias

Créditos nos últimos 30 dias

Onde os créditos foram usados

Tarefas mais utilizadas

Histórico mensal

Últimas movimentações

Meu perfil

Identificação acadêmica

Links acadêmicos

Rede acadêmica

Comunidade LABIO

Universidades e instituições

Mensagens privadas

LABIO AI

Como posso ajudar sua pesquisa?

Comece sua trilha científica

GROMACS

AutoDock Vina

GNINA

Open Babel

FreeSASA

BLAST+

MMseqs2

MAFFT

fastp

SPAdes

HyPhy

Biopython

Fundamentos de Sequenciamento

Sequenciar é transformar moléculas em sinais e sinais em bases

Sanger, NGS e TGS não são a mesma tecnologia

O equipamento define parte importante do desenho da análise

Illumina: HiSeq, NextSeq e NovaSeq

PacBio HiFi

Oxford Nanopore

Da biblioteca ao arquivo usado no pipeline

Biblioteca e corrida

Base calling e demultiplexação

FASTQ e qualidade Phred

Escolha pela pergunta biológica, não apenas pelo equipamento

Antes de começar

Passo a passo

Preparar a estrutura

Definir a caixa periódica

Solvatar

Adicionar íons

Minimização

Equilíbrio NVT

Equilíbrio NPT

Produção