Pavel-Kravchenko

Digestão de restrição in silico, detecção de extremidades compatíveis, design de primers (modelos de Tm) e simulação de gel.

Notação Big O, classes de complexidade, compensações entre espaço e tempo, e regras de análise de complexidade.

Casamento de padrões múltiplos em strings em O(n + m + z) através de uma trie aumentada com links de falha estilo KMP.

Perfilamento taxonômico de metagenomas de shotgun: descontaminação do hospedeiro, classificação com Kraken2 e reestimativa de abundância com Bracken.

Padrões de função bioespecíficos para bioinformática, abrangendo busca de ORFs, análise de sequência, a armadilha de valor padrão mutável e idiomas de programação funcional.

Sequenciamento de leitura longa Oxford Nanopore e PacBio, cobrindo basecalling (Dorado), QC (NanoStat), alinhamento (Minimap2), montagem (Flye, Hifiasm), chamada de SV (Sniffles2), metilação e análise de isoformas.

Dicionários e conjuntos para bioinformática: tabelas de códons, frequência de nucleotídeos, agrupamento com defaultdict, k-mers com Counter e operações de conjunto em listas de genes.

Gerenciadores de contexto para manipulação segura de arquivos, bancos de dados e recursos em pipelines de bioinformática.

Árvore rubro-negra: uma BST auto-balanceada com operações O(log n), que mantém 5 invariantes e corrige inserções com rotações e recoloração.

Seleção de modelo Borzoi vs Epiformer para predição de cobertura de RNA-seq vs acessibilidade da cromatina.

Programação Dinâmica de baixo para cima com tabulação, abordando distância de edição, LCS e otimização de espaço com arrays rolantes.

Aprendizado profundo com PyTorch para sequências biológicas, abordando quando usar DL versus ML clássico, arquitetura CNN para detecção de motivos, codificação one-hot e o loop de treinamento padrão.