Pavel-Kravchenko

Filodinâmica viral: relógios moleculares, regressão da raiz à ponta, filogenias escaladas no tempo, gráficos Bayesian skyline e seleção de ferramentas de filogeografia.

Análise de ligação diferencial para ChIP-seq, abordando o fluxo de trabalho DiffBind, picos de consenso, normalização e gráficos MA/vulcão. É utilizada para comparar o sinal de ChIP-seq entre diferentes condições.

Testes estatísticos para bioinformática: distribuições, teste de hipóteses, correção para testes múltiplos (Bonferroni, BH/FDR) e seleção de testes paramétricos vs não paramétricos.

Compreensões e geradores Python para bioinformática, incluindo compreensões de lista, dicionário e conjunto, além de expressões geradoras para arquivos de sequência grandes e padrões bioespecíficos.

Implementações e variantes (primeira/última ocorrência) de busca linear e binária, e quando usar cada uma.

Estratégias de tokenização de DNA, baselines de k-mer e embeddings de sequência pré-treinados para ML genômica.

Redes Neurais Gráficas para Previsão de Propriedades Moleculares com RDKit.

Análise de trajetória scRNA-seq: pseudotempo (DPT), abstração de grafo PAGA e velocidade de RNA (scVelo). Guia de decisão, parâmetros chave e armadilhas.

Ordenação topológica — Algoritmos DFS e BFS de Kahn para ordenação de DAGs, detecção de ciclos e análise de caminho crítico.

Embeddings ESM2 e ESMFold com NumPy

Correspondência de score, agendamentos de ruído, amostragem DDIM e problemas inversos DDRM para modelos generativos de difusão.

Padrões de fluxo de controle em Python específicos para bioinformática, incluindo iteração de códons, varredura de quadros, busca de motivos e classificação de sequências.