Pavel-Kravchenko

Arrays dinâmicos permitem adição amortizada O(1) por duplicação, inserção/remoção O(n), e são a base das listas internas do Python.

Ajuste fino de LLM com HuggingFace Transformers, abordando a matemática LoRA, quantização QLoRA NF4 de 4 bits, modelos de chat e o fluxo de trabalho SFTTrainer.

Tratamento robusto de erros para pipelines de bioinformática, incluindo hierarquia de exceções personalizada, try/except/else/finally, encadeamento de exceções e análise rigorosa de FASTA.

Fundamentos de bioquímica para biólogos computacionais, abordando a lei de Beer-Lambert, ensaios espectrofotométricos, cinética de Michaelis-Menten, métodos de linearização e modelos de inibição.

Estrutura da Gene Ontology, códigos de evidência, análise de enriquecimento com teste hipergeométrico e correção de Benjamini-Hochberg (BH).

mixOmics PLS-DA e DIABLO para integração multiômica supervisionada e seleção de características. Utilize ao classificar amostras ou selecionar biomarcadores a partir de dados multiômicos.

Fluxos de trabalho de geração de imagens e restauração de problemas inversos.

Conjuntos e Contador para bioinformática: operações com listas de genes (interseção/união/diferença), deduplicação de k-mers e rastreamento de elementos únicos. Apenas padrões bio-específicos.

Análise do número de cópias de DNA — normalização da profundidade de leitura, segmentação CBS, chamada de estado de CN e visualização em todo o genoma.

Padrões para pipelines de bioinformática utilizando Snakemake, Nextflow DSL2, GitHub Actions CI e pytest.

Classificação de linhagens de SARS-CoV-2 (Pango), desconvolução de águas residuais com Freyja, rastreamento de mutações da proteína spike e ferramentas de pipeline de vigilância.

Pipeline de miRNA-seq: remoção de adaptadores, alinhamento ao miRBase, quantificação, análise de expressão diferencial e previsão de alvos. Use ao processar dados de sequenciamento de pequenos RNAs.