UFABC-professores

David Corrêa Martins Junior

Possui Bacharelado (2001), Mestrado (2004) e Doutorado com menção honrosa pela CAPES (2008) em Ciência da Computação pelo Instituto de Matemática e Estatística - Universidade de São Paulo (IME-USP), tendo feito em 2007 um estágio de doutorado (sandwich) de 1 ano no Genomic Signal Processing Laboratory - Texas A&M University - EUA. Tem experiência na área de Ciência da Computação, com ênfase em Metodologia e Técnicas da Computação, atuando principalmente em reconhecimento de padrões com foco em aplicações de visão computacional, redes complexas e biologia sistêmica, incluindo modelagem, identificação e simulação de redes de interação gênica. Atualmente é professor associado do Centro de Matemática, Computação e Cognição da Universidade Federal do ABC. (Texto informado pelo autor)

  • http://lattes.cnpq.br/1228255861618623 (07/11/2024)
  • Rótulo/Grupo: CMCC
  • Bolsa CNPq:
  • Período de análise: 2009-HOJE
  • Endereço: Universidade Federal do ABC, Centro de Matemática, Computação e Cognição. Rua Arcturus, 03 Jardim Antares 09606070 - São Bernardo do Campo, SP - Brasil Telefone: (11) 23206279
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (15)
    1. 2022-Atual. Uso de deep learning e grafos para a predição da interação entre alvos de vias celulares relacionadas a células cancerosas
      Descrição: O câncer é uma doença complexa com grande número de incidências na população mundial, no Brasil, por exemplo, é esperado que surjam 625 mil casos novos por ano. Existem diversos estudos com o objetivo de novas descobertas que possam colaborar para o desenvolvimento de novos tratamentos para diversos tipos de câncer. Pesquisas relacionadas sobre vias de sinalização celular e inibição de proteínas podem ser muito promissoras para novos avanços na pesquisa de futuros novos tratamentos. Nas vias de sinalização, temos a interação entre diversos complexos de proteínas e mudanças pós-traducionais. Elucidar as interações entre diferentes complexos proteina-proteina na via podem ser muito importantes para possíveis estudos para ativar ou inativar vias, podendo ser alvos para tratamentos em diversos tipos de câncer. Para os casos de inibição de proteínas, podemos procurar moléculas que, após a interação com determinado sítio, alterem a estrutura tridimensional da proteína podendo inibir algum efeito não desejado. Com modelos de deep learning e usos de análises de expressão gênica iremos definir alvos de interações entre proteínas em vias que podem tanto serem alvo de estudo sobre a interação entre proteínas, como alvos para a inibição com ligante. Para os casos de interação proteína-proteína, nosso grupo desenvolve um método com o uso de grafos e deep learning para predizer a interação entre duas proteínas. Para os casos de interação proteína ligante, usaremos técnicas de virtual screening para o docking de uma grande quantidade de dados, após sendo ranqueados novamente com o uso de redes neurais. Todos os resultados relevantes serão submetidos a uma validação por dinâmica molecular. Esperamos, ao final, chegar a resultados que possam elucidar novos conhecimentos sobre diversos tipos de câncer relacionados a via de sinalização celular e realizarmos parcerias para testes experimentais dos nossos resultados.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Ronaldo Fumio Hashimoto - Coordenador / MARCHI, FABIO ALBUQUERQUE - Integrante / Marcos Freitas Parra - Integrante / Carlos Reynaldo Portocarrero Tovar - Integrante / Simone Queiroz Pantaleão - Integrante / Maria Claudia Negret Lopez - Integrante / Daniella Bizinelli - Integrante / Rodrigo Cesar Bonini - Integrante / Caio Isaias da Silva Braga - Integrante / Aarão Melo Lopes - Integrante / Dennis José da Silva - Integrante / Gabriel Pinheiro Strini Piedade - Integrante / Lyang Higa Cano - Integrante / Irina Yuri Kawashima - Integrante / Salvador Sánchez Vinces - Integrante / Shantanu Gupta - Integrante.
      Membro: David Corrêa Martins Junior.
    2. 2020-2022. Determinação de inibidores para as proteínas não estruturais de SARS-CoV-2 com o uso de técnicas computacionais e modelagem molecular (covdock)
      Descrição: No dia 11 de março de 2020 foi caracterizada pela Organização Mundial da Saúde (OMS) a COVID-19 como uma pandemia. De acordo com a OMS, até o dia 19 de maio, temos mais de 4,7 milhões de casos confirmados no mundo com mais de 300 mil mortes confirmadas, com casos confirmados em 216 países, no Brasil, temos mais de 270 mil casos e um número próximo a 20 mil mortes. Os casos de COVID-19 são causados pelo virion SARS-CoV-2, e os primeiros casos foram relatados em dezembro de 2019. O virion SARS-CoV-2 pertence a família Coronaviridae juntamente com as espécies SARS-CoV e MERS-CoV, também causadoras de epidemias. As três espécies pertencem ao gênero Betacoronavirus, onde o virion é composto por um capsídeo com as proteínas estruturais E, M e S. Internamente, seu genoma é uma RNA de fita positiva que é traduzido em duas poliproteínas ORF1a e ORF1b. Dentre as proteínas não estruturais, estamos interessados inicialmente nas proteínas PL polimerase e RNA dependente de polimerase RNA (RdRp). Em razão da severidade dessa doença, existe uma necessidade de novos compostos antivirais que possam ser utilizados para a intervenção profilática ou terapêutica no combate aos seus agentes patogênicos. Os estudos demonstram que os alvos na proteína viral são o principal foco no desenvolvimento de novas terapias antivirais. Atualmente, muitas técnicas de modelagem molecular têm sido utilizadas a fim de realizar uma triagem (virtual screening) de possíveis compostos inibidores, principalmente, considerando a flexibilidade das proteínas virais, uma vez que movimentos conformacionais de alta amplitude normalmente estão associados a mecanismos de regulação alostérica. Assim, para este projeto determinaremos variantes conformacionais das proteínas PL protease e RNA dependente de polimerase RNA utilizando a metodologia de análise de modos normais e, assim, após a seleção dos tipos conformacionais mais prováveis a partir de critérios energéticos (entropia conformacional - densidade de estados), realizaremos um virtual screening com um banco de dados de compostos e um novo ranqueamento com o uso de redes neurais. Com a determinação dos compostos candidatos, realizaremos simulações de dinâmica molecular longas para a validação dos resultados. Ao final, com essas análises, esperamos determinar moléculas líderes que poderão ser desenvolvidas como inibidores efetivos para as referidas proteínas virais. Também esperamos que este projeto possa ter um futuro impacto social e de saúde pública, uma vez que os resultados obtidos poderão fornecer uma base conceitual para o desenvolvimento de novas estratégias para o combate às infecções causadas por espécies do gênero Betacoronavirus.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Coordenador / MARCHI, FABIO ALBUQUERQUE - Integrante / Antonio Sergio Kimus Braz - Integrante / Zofia Agnieszka Wicik - Integrante.
      Membro: David Corrêa Martins Junior.
    3. 2019-2024. Estatística de redes: teoria, métodos e aplicações
      Descrição: A importância da Estatística nas ciências naturais é inquestionável. A Estatística é essencial para analisar dados de forma apropriada e também obter conclusões confiáveis. No entanto, pouco se é conhecido sobre métodos estatísticos formais em grafos e suas propriedades teóricas mesmo com o aumento no número de artigos relacionados com redes do mundo real (por ex., redes funcionais de cérebro, redes de interação proteína-proteína, redes de interação social). Redes são geralmente analisadas usando algoritmos computacionais baseados na teoria do grafos, como cálculo de medidas de centralidades (importância relativa dos vértices e/ou arestas) ou identificação de padrões estruturais (motivos). O principal problema com esta abordagem é o fato de redes do mundo real apresentarem flutuações intrínsecas (ruído aleatório) que os algoritmos tradicionais não levam em consideração. Portanto, métodos com perspectiva estatística podem auxiliar e complementar essas análises. A proposta deste projeto é de desenvolver desde a teoria e métodos estatístico-computacionais para grafos como também aplica-los em dados do mundo real, como as advindas da biologia molecular, neuroimagem e dados cardíacos. O desenvolvimento deste projeto será essencial para obter novos insights, solidificar a cooperação entre os pesquisadores e melhorar a qualidade na pesquisa dos grupos envolvidos. A longo prazo, pretendemos consolidar a área de Estatística de Redes, formar grupos de pesquisadores altamente qualificados, e finalmente, construir um Centro de Estatística de Redes no Brasil. Este centro atuará tanto no desenvolvimento teórico e de novas metodologias quanto nas aplicações em problemas das ciências da saúde.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Fabrício Martins Lopes - Integrante / Ronaldo Fumio Hashimoto - Integrante / André Fujita - Coordenador / Claudinei Eduardo Biazoli Jr - Integrante / João Ricardo Sato - Integrante / Daniel Yasumasa Takahashi - Integrante / Helder Nakaya - Integrante / Abner Cardoso Rodrigues Neto - Integrante / Alexandre Alarcon Steiner - Integrante / Alexandre Galvão Patriota - Integrante / Andrea Parolin Jackowski - Integrante / Carlos Alberto Moreira-Filho - Integrante / Elisa Harumi Kozasa - Integrante / Itamar de Souza Santos - Integrante / Joana Bisol Balardin - Integrante / João Paulo Papa - Integrante / José Carlos Farias Alves-Filho - Integrante / Mari Cleide Sogayar - Integrante / Rodrigo Affonseca Bressan - Integrante / Silvia Yumi Bando Takahara - Integrante / Thiago Mattar Cunha - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    4. 2019-Atual. Integração de Dados para Busca de Marcadores Biológicos de Transtornos do Neurodesenvolvimento
      Descrição: Transtornos do Neurodesenvolvimento são poligênicos e multifatoriais. Ou seja, além da base genética evidências de estudos animais e em humanos indicam que adversidades ambientais e/ou estresses psicossociais sofridos no início da vida desencadeiam modificações epigenéticas que podem influenciar a plasticidade cerebral, o funcionamento e conectividade de circuitos neurais. Estas modificações podem afetar o desenvolvimento adequado de funções cognitivas, da reatividade emocional e sociabilidade, aumentando o risco para apresentação de transtornos do neurodesenvolvimento. O papel crucial da maquinaria epigenética na incorporação biológica de exposições estressantes no início da vida tem sido demonstrado em vários modelos animais, expostos a diferentes estresses pré-natais e/ou pós-natais como alterações de nutrição, agentes tóxicos, cuidados maternos inadequados, separação do binômio mãe-filho e enriquecimento/isolamento social, sugerindo marcadores moleculares epigenéticos de risco. No entanto, a maioria destes trabalhos são realizados com exposição a fatores ambientais específicos como, por exemplo, exposição a nicotina na gestação. Ou seja, desconsiderando que normalmente um indivíduo está exposto a diversos fatores estressores ambientais e que cada um reage de forma individual aos mesmos. Outro ponto importante é que os sexos respondem de forma diferente a exposição ao estresse, acrescentando, portanto, um nível a mais de variabilidade para as possíveis trajetórias do neurodesenvolvimento. Cálculos de escores de risco poligênico (PRS-polygenic risk score) têm contribuído para melhor entendimento destes transtornos, porém estes consideram apenas o efeito de variações genéticas. Faz-se necessário buscar métodos para integração de PRSs com marcadores de risco epigenéticos, sexo do concepto e efeito temporal da exposição a diferentes tipos de estresse para identificar marcadores de susceptibilidade associados a fenótipos de risco para transtornos do neurodesenvolvimento. Este projeto propõe uma abordagem multidisciplinar usando ferramentas de Biologia Sistêmica e aprendizado de máquina para integrar dados complexos, ou seja, de diferentes naturezas para identificação destes marcadores. Especificamente pretendemos alcançar os seguintes objetivos: 1) integrar dados de diferentes tipos de exposição ambiental, possibilitando a visão do estresse como um constructo multivariado, e mostrar que este associa-se com marcadores biológicos de reatividade ao estresse melhorando a predição de fenótipos associados às trajetórias do neurodesenvolvimento; 2) integrar dados de expressão gênica, epigenética, sexo do concepto e exposição ambiental para desenvolver um modelo biológico para explicar diferenças de susceptibilidade entre sexos para transtornos do neurodesenvolvimento; 3) integrar dados de riscos de escores poligênicos com dados de exposição ambiental e marcadores moleculares epigenéticos para caracterização de áreas genômicas que avaliadas em conjunto possam melhorar a predição de fenótipos associados às trajetórias do neurodesenvolvimento. A conclusão desses objetivos fornecerá novas metodologias para integração de dados complexos, definição de alvos moleculares e informações sobre como identificar potenciais medidas preventivas para desenvolvimento de transtornos do neurodesenvolvimento.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Helena Brentani - Coordenador / Carlos Alberto de Bragança Pereira - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    5. 2018-2024. [CAPES-Print UFABC] Data Science
      Descrição: Data science is an interdisciplinary research field that comprises scientific methods, systems, and processes used to gain insights and to understand a phenomenon of interest using data in distinct formats, i.e., structured, semi-structured, or unstructured. This research area emerged as a consequence of the advancements in information technologies (e.g., GPS, wearable equipment, and hard sensors) leading to an increase in the volume of available data, the so-called Big Data. The data processing and analysis are supported by techniques and theories from different domains like mathematics, computer science, statistics, information science, and, in particular, machine learning, pattern recognition, data mining, graph theory, and data visualization. Nevertheless, several challenges remain, from the use of existing methodologies in new domain contexts (e.g., social media analysis for weather forecasting) to the development of new approaches for dealing with existing problems (e.g., text mining using deep learning). This project aims to establish an interdisciplinary research network of international collaboration to address some challenges in the following stages of data science cycle: 1) Pre-processing and representation, including data integration, multidimensional databases, complex networks, text and multimedia mining, interoperability of different information systems and Internet-of-things;2) Features engineering, in order to extract the relationship among the features through the neural network and symbolic regression; 3) Creation of regression and classification models through semi and supervised learning; 4) Combinatory and numerical optimization for feature selection; 5) Model validation through the interpretability of the generated model and applications to real world scenarios; 6) Challenges associated with the use of a large amount of data, as well as the use of parallel and distributed computing for high-performance systems. These studies will be applied to political science and sentiment analysis in social networks, text and multimedia mining, educational data mining, smart cities and agriculture, urban resilience against natural disasters, scientometrics, systems biology, Neurocomputing, brain-computer interface, neuromorphic computing, aided image and video segmentation, and robotics.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Coordenador / Fabricio Olivetti de França - Integrante / MOTA, GUILHERME O. - Integrante / CAMARGO, RAPHAEL YOKOINGAWA DE - Integrante / Wagner Tanaka Botelho - Integrante / Jesus Pascual Mena-Chalco - Integrante / João Paulo Gois - Integrante / Flavio Eduardo Aoki Horita - Integrante / Carlos Alberto Kamienski - Integrante / Harlen Costa Batagelo - Integrante / Ronaldo Cristiano Prati - Integrante / Denise Hideko Goya - Integrante / Edson Pinheiro Pimentel - Integrante / Francisco Javier Ropero Pelaez - Integrante / Thiago Ferreira Covões - Integrante / Itana Stiubiener - Integrante / Saul de Castro Leite - Integrante / Denis Gustavo Fantinato - Integrante / Paulo Henrique Pisani - Integrante / Rodrigo Moreira Bacurau - Integrante / Emilio de Camargo Francesquini - Integrante / Vladimir Moreira Rocha - Integrante / Valerio Ramos Batista - Integrante / Fabio Marques Simões de Souza - Integrante / Marina Sparvoli de Medeiros - Integrante. Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    6. 2018-2021. Análise e modelagem de genes mestres e/ou canalizadores em sistemas biológicos robustos modelados como redes sensíveis a contexto
      Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Ronaldo Fumio Hashimoto - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    7. 2016-2020. Storage, Modeling and Analysis of Dynamical Systems for e-Science Applications
      Descrição: The astonishing fast rate of technology evolution has given rise to a new era of scientific knowledge discovery. This new age of science, known as e-Science, is described as the new great computational and multidisciplinary team science requiring novel methodologies for data storage, modeling and analysis. In particular, the development of transactional and analytical software systems for e-Science applications when viewed from a dynamic systems perspective, presents a number of new computational challenges. Among them are the scientific knowledge discovery processes, which involve frequent changes of requirements for data storage, modeling and analysis. The need to address scientific dynamic systems in order to cope with complex applications of e-Science has woken up the scientific community for the development of robust and evolutionary software systems to meet these new challenges. Dynamical system is the classical mathematical formalism to represent phenomena that evolute with time, which are of great interest in science. In this project, our main goal is to develop computational models and methodologies to support e-Science applications viewed as dynamic systems. Our fundamental research covers three key research areas, namely storage, modeling, and analysis of dynamic systems. These research areas are significant and relevant to the FAPESP e-Science Program since many of the present e-Science challenges are related to the proper treatment of dynamic systems. Hence, we plan to develop and apply computational methodologies that will ease the development of e-Science applications, thereby contributing to the improvement of worldwide scientific knowledge, while respecting legal and ethical restrictions in data management.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / João Eduardo Ferreira - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    8. 2014-2016. Modelos de Programação e Algoritmos para a Execução Eficiente de Aplicações Paralelas em Aglomerados Heterogêneos
      Descrição: Com o advento de diferentes classes de aceleradores, como as GPUs (Graphical Processing Units) e os Intel MICs (Many Integrated Cores), aglomerados heterogêneos, formados por diferentes tipos de aceleradores e processadores, se tornaram realidade. Estes aglomerados podem ser dedicados ou simplesmente um conjunto de estações de trabalho, distribuídas em diferentes laboratórios e que ficam ociosas durante a maior parte do tempo. As diferenças arquiteturais entre processadores e os diversos tipos de aceleradores tornam difícil o desenvolvimento de aplicações que utilizem estes aglomerados de modo eficiente.A proposta deste projeto consiste em avaliar modelos de programação que facilitem o desenvolvimento e a previsão do desempenho de aplicações para aglomerados heterogêneos. Também será desenvolvido um mecanismo de distribuição dinâmica de carga para estes aglomerados, que serão implementados em uma biblioteca já existente. O objetivo é facilitar tanto a implementação quanto a execução de aplicações para estes aglomerados. Na área de aplicações, serão desenvolvidos algoritmos de bioinformática para a inferência de redes de regulação gênica (Gene Regulatory Networks - GRNs), onde é preciso avaliar um vasto número de combinações de genes candidatos a preditores. Na área de neurociência computacional, será implementado o suporte a aceleradores em simuladores neuronais, como o MOOSE, de modo a permitir a simulação de redes neuronais compostas por milhares de neurônios. Para tal, serão desenvolvidos algoritmos para a solução eficiente de conjuntos de sistemas lineares, que são a base para a simulação de neurônios. Para ambas as áreas, o foco dos esforços será o suporte à execução eficiente em aglomerados heterogêneos.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Luiz Carlos da Silva Rozante - Integrante / Raphael Yokoingawa de Camargo - Coordenador / Alfredo Goldman - Integrante / Daniel Cordeiro - Integrante. Financiador(es): (FAPESP) Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    9. 2014-2016. Análise do transciptoma de Leptospira biflexa obtido por RNA-seq em séries temporais sob estresse induzido por danos no DNA
      Descrição: O presente projeto tem o objetivo de estabelecer um grupo de pesquisa interdisciplinar que atue na produção e análise de dados de genômica e transcriptômica de larga escala. Para isto, propomos estudar o padrão de resposta transcricional do organismo modelo Leptospira biflexa ao estresse induzido por alterações no DNA. O projeto visa (i) identificar os genes diferencialmente expressos entre as condições controle, estresse oxidativo por presença de ferro e efeito de UV em diferentes tempos, (ii) caracterizar a evolução temporal das redes de genes relacionados ao reparo de DNA, (iii) reconstruir as redes de transcritos envolvidos na ativação por UV, e (iv) comparar os resultados obtidos para L. biflexa com L. interrogans.O projeto possui também a meta de qualificar recursos humanos para as análises de dados de RNA-seq, o que é um desafio de bioinformática e de otimização computacional.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Coordenador / Ana Carolina Quirino Simões - Integrante / Renata Maria Augusto da Costa - Integrante.
      Membro: David Corrêa Martins Junior.
      Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Mestrado acadêmico: (1) . Integrantes: Ana Carolina Quirino Simoes - Coordenador / Renata Maria Augusto da Costa - Integrante / David Corrêa Martins Júnior - Integrante. Financiador(es): Universidade Federal do ABC - Auxílio financeiro.
      Membro: Ana Carolina Quirino Simoes.
    10. 2013-2016. Redes Gênicas Modeladas como Redes Booleanas Probabilísticas Sensíveis a Contexto
      Descrição: As reações químicas que resultam na expressão de genes no nível molecular são complexas e ainda não totalmente compreendidas. Um aspecto importante nesse contexto é a interação entre os genes. Sabe-se que os genes enviam, recebem e processam informações formando uma complexa rede de comunicação. Entretanto pesquisas na arquitetura e na dinâmica destas redes não são completamente conhecidas, mesmo para os organismos mais simples. Assim, os objetivos dessa proposta são: (i) estudar métodos para encontrar genes mestres e/ou canalizadores em processos biológicos de interesse a partir de dados de expressão gênica; (ii) fazer um estudo teórico estendendo resultados sobre a caracterização das condições necessárias e suficientes para produzir fenômenos como predição intrinsecamente multivariada e genes mestres e/ou canalizadores em redes de regulação gênica modeladas por redes Booleanas sensíveis ao contexto; e (iii) identificar dependências entre os genes mestres e/ou canalizadores e seus escravos (quem depende de quem) e como são estas dependências em termos de funções Booleanas de forma a possibilitar propostas de redes modeladas por redes Booleanas sensíveis ao contexto.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Fabrício Martins Lopes - Integrante / Ronaldo Fumio Hashimoto - Coordenador / DE OLIVEIRA, EVALDO A. - Integrante / BRAGA-NETO, ULISSES M. - Integrante / Carlos Henrique Aguena Higa - Integrante. Financiador(es): (CNPq) Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    11. 2012-2021. Bolsa Produtividade - Pesquisa e desenvolvimento de algoritmos em biologia sistêmica
      Descrição: A biologia sistêmica aborda o estudo sistêmico e interações complexas verificadas em organismos vivos, visando um melhor entendimento dos processos que ocorrem em sistemas biológicos. As tecnologias recentes de extração de dados de expressões gênicas tornaram viável o estudo das funções biológicas e sua associação a algum fenômeno de interesse. No entanto, a análise desse tipo de dado é desafiadora devido à sua alta dimensionalidade: há um número grande de variáveis (genes) associadas a um número pequeno de amostras. Descobrir os inter-relacionamentos entre essas variáveis requer o desenvolvimento de técnicas computacionais e estatísticas inovadoras, que reduzam o erro de estimação intrínseco decorrente da alta dimensionalidade e ao mesmo tempo sejam viáveis do ponto de vista computacional. Em decorrência disso, a tarefa de recuperar, analisar e comparar com precisão o inter-relacionamento entre os genes, formando uma rede de regulação gênica (do inglês: Gene Regulatory Networks - GRN), continua um problema em aberto. Este projeto propõe o desenvolvimento de técnicas de análise e caracterização de redes de regulação por meio da integração de medidas relativas à topologia da rede estudada bem como de informações sobre a dinâmica temporal do sistema. Além disso, pretende-se usar a tecnologia emergente de GPUs para resolver problemas importantes em modelagem e simulação de sistemas biológicos, os quais demandam um alto poder computacional. Espera-se que as técnicas desenvolvidas tenham aplicação futura em diversas áreas que se beneficiam do conhecimento de processos em sistemas biológicos, tais como criação de biocombustíveis e combate a doenças tropicais.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
      Membro: David Corrêa Martins Junior.
    12. 2012-2018. NAP-USP - NUSCEP Núcleo de Pesquisa em Sinalização Celular na Interação Patógeno-Hospedeiro
      Descrição: O estudo da biologia de parasitas, vírus e príons e de sua interação com o hospedeiro é fundamental para o desenvolvimento de novas estratégias que resultem em avanços nas áreas da saúde pública, agricultura e economia. Embora atualmente ocorra um crescente progresso na elucidação de mecanismos pelos quais os patógenos desenvolvem-se, nosso completo entendimento sobre as bases moleculares e celulares do processo de patogenicidade ainda é escasso. Portanto, o objetivo de se formar o NUSCEP é promover a integração de esforços em três abordagens: 1) caracterização das vias de sinalização e validação de sua relevância no ciclo infeccioso de patógenos a fim de identificar novas estratégias de controle; 2) investigação dos mecanismos pelos quais a resposta imune é modulada pelo patógeno; 3) uso da bioinformática para integração funcional de redes de sinalização dos processos biológicos. A proposta engloba pesquisadores de diferentes áreas, tais como, bioquímica, biologia celular e molecular, imunologia e bioinformática. A integração dessas áreas em torno de questões relevantes aos diversos aspectos da patogenicidade é chave na identificação dos componentes envolvidos em vias de sinalização que regulam interação e desenvolvimento dos patógenos. Nesse sentido nossas pesquisas incluirão estudos com Plasmodium falciparum e Plasmodium vivax, agentes etiológicos da malária humana, HPV, vírus responsável pela progressão do câncer de colo uterino em 99 dos casos relatados e príon, que desempenha papel crucial em encefalopatias espongiformes transmissíveis. Outro aspecto abordado incluirá a modulação da resposta imune na infecção. Tendo-se em vista a complexidade dos problemas, o uso de modelos computacionais será uma ferramenta complementar importante na integração e formação de redes de sinalização. Portanto, o apoio ao NUSCEP trará enormes frutos na formação de recursos humanos, geração de novas ideias e integração de áreas distintas, porém complementares.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Ronaldo Fumio Hashimoto - Integrante / Celia Regina S Garcia - Coordenador.
      Membro: David Corrêa Martins Junior.
    13. 2012-2016. Temático-Pronex: Modelos e métodos de e-Science para ciências da vida e agrárias
      Descrição: A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por exemplo, com o surgimento de plataformas de alto desempenho para análise de imagens e estudos genômicos, o gargalo não está mais na aquisição de dados, mas sim no seu armazenamento, processamento, análise e visualização. Este cenário levou ao surgimento de um novo campo de pesquisa - eScience - que combina pesquisa avançada em computação e em modelagem matemática para permitir e acelerar pesquisa em outros domínios do conhecimento, desde as ciências exatas até as humanidades e artes. A eScience envolve a chamada "computação centrada em dados" (data-intensive computing), com a busca de soluções para gerenciamento de grandes volumes de dados produzidos por (e para) experimentos científicos, para que a descoberta científica não venha a ser detida pelo "dilúvio de dados". Este projeto visa a criação de uma rede colaborativa de eScience para acelerar pesquisa avançada em ciências da vida (biologia, medicina, oceanografia) e ciências agrárias. Está estruturado em tomo de cinco linhas de pesquisa - biologia de sistemas, planejamento de safras, computação visual, modelagem matemática e bancos de dados. Dentro dessas linhas, serão tratadas questões em aberto associadas às principais componentes de um ambiente de pesquisa em eScience: armazenamento, processamento, análise e visualização de grandes volumes de dados científicos. Os pesquisadores principais têm histórico de cooperação e coordenação de projetos nessas linhas. Questões de interoperalidade permeiam todo o projeto.. Situação: Concluído; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Roberto Marcondes Cesar Jr - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    14. 2011-2013. Simulação de Sistemas Biológicos Utilizando GPUs
      Descrição: A área de biologia de sistemas é um campo de pesquisa interdisciplinar que foca no estudo sistêmico de interações complexas verificadas em organismos vivos. Um dos principais objetivos das pesquisas nessa área é descobrir propriedades novas que podem surgir da visão sistêmica para um melhor entendimento dos processos que ocorrem em sistemas biológicos. Em particular, este projeto foca em três aspectos importantes em biologia de sistemas: i) a investigação das interações entre neurônios em redes neuronais de grande escala; ii) o estudo e desenvolvimento de métodos de inferência de redes de regulação gênica e iii) o estudo e desenvolvimento de métodos de análise do comportamento dinâmico de redes de regulação gênica. O estudo de tais aspectos normalmente envolve um poder computacional significativo devido ao elevado número de elementos interagentes nesses sistemas. Para amenizar esse problema, uma possibilidade é o emprego de aglomerados de processadores gráficos (do inglês: Graphics processing unit - GPU). As GPUs geralmente são bastante eficientes em aplicações que envolvem exaustivas operações de ponto flutuante. A idéia central deste projeto é a obtenção e desenvolvimento de conhecimento e técnicas que permitam a exploração do poder computacional das GPUs para fins de desenvolvimento de soluções relativamente baratas e eficientes para problemas críticos colocados no contexto dos três aspectos mencionados acima. O escopo deste projeto está diretamente relacionado com dois dos cinco grandes desafios identificados pela Sociedade Brasileira de Computação: Modelagem Computacional de Sistemas Complexos e Impactos para a Área de Computação da Transição do Silício para Novas Tecnologias. Situação: Em andamento; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Coordenador / Luiz Carlos da Silva Rozante - Integrante / Raphael Yokoingawa de Camargo - Integrante / Siang Wun Song - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.
    15. 2011-2013. Integração de dados na biologia sistêmica: caracterização de fenômenos biológicos a partir de informações estruturais e funcionais
      Descrição: Um problema importante na pesquisa em bioinformática é a inferência de redes de regulação gênica (GRNs) a partir de seus perfis de expressão. Em geral, as principais limitações encontradas estão relacionadas ao pequeno número de amostras disponíveis com alta dimensionalidade e ao ruído intrínseco das medidas de expressão. Em face a essas limitações, se torna evidente a necessidade do desenvolvimento de métodos alternativos para recuperar as redes gênicas de forma mais adequada e com mais precisão. Nesse contexto, este projeto de pesquisa aborda essa questão propondo a integraçãao de dados biológicos provenientes de diversas naturezas. Mais especicamente, é proposto neste projeto a formalização e desenvolvimento de metodologias para integração dessa variedade de dados biológicos disponíveis e a utilização desses dados integrados para a inferência de GRNs. A primeira etapa concentra-se na integração de informações de anotação gênica, proteoma, metaboloma, transcriptoma, estrutura e dinâmica das redes, dentre outras informações biológicas conhecidas. Em seguida, com base nas informações biológicas, desenvolver um modelo matemático para geração de um vetor de características que represente a sumarização desses dados. Outra fonte de informação a ser considerada é a estrurura topológica das redes biológicas conhecidas, as quais a princípio serão caracterizadas utilizando-se as medidas vindas da teoria de redes complexas. O escopo deste projeto está diretamente relacionado com um dos cinco grandes desafios identificados pela Sociedade Brasileira de Computação: Modelagem Computacional de Sistemas Complexos.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: David Corrêa Martins Junior - Integrante / Roberto Marcondes Cesar Jr - Integrante / Helena Brentani - Integrante / Ronaldo Fumio Hashimoto - Coordenador / Marie-Anne Van Sluys - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / Microsoft Research - Auxílio financeiro.
      Membro: David Corrêa Martins Junior.

Prêmios e títulos

  • Total de prêmios e títulos (7)
    1. Best Paper Award - Multi-GPU Approach for Large-Scale Multiple Sequence Alignment, 21st International Conference on Computational Science and Applications (ICCSA).. 2021.
      Membro: David Corrêa Martins Junior.
    2. Honorable Mention Award - A multi-omic integrative approach to explore vulnerabilities in drug-resistant colon tumors and hit oncogenic signaling modulators, XMeeting XPerience.. 2021.
      Membro: David Corrêa Martins Junior.
    3. Prêmio de Excelência Acadêmica da UFABC, Pró-Reitoria de Pesquisa da UFABC.. 2017.
      Membro: David Corrêa Martins Junior.
    4. Best Oral Presentation Award, X-Meeting - 12th International Conference of the AB3C X-Meeting.. 2016.
      Membro: David Corrêa Martins Junior.
    5. Prêmio Excelência Acadêmica da UFABC, Pró-Reitoria de Pesquisa da UFABC.. 2015.
      Membro: David Corrêa Martins Junior.
    6. Best Pôster Award, ACM Conference on Bioinformatics, Computational Biology and Biomedicine.. 2012.
      Membro: David Corrêa Martins Junior.
    7. Prêmio CAPES de Tese 2009 - Menção Honrosa, CAPES.. 2010.
      Membro: David Corrêa Martins Junior.

Participação em eventos

  • Total de participação em eventos (44)
    1. Seminários do grupo DATAS.Análise, inferência e simulação de redes biológicas na medicina (Network Medicine). 2022. (Seminário).
    2. Workshop DATAS.Análise, inferência e simulação de redes biológicas na medicina (Network Medicine). 2022. (Oficina).
    3. Forum da Pós-Graduação em Ciência da Computação - CSBC. 2020. (Encontro).
    4. 3º Encontro Paulista de Pós-graduandos em Computação. 2019. (Encontro).
    5. Forum da Pós-Graduação em Ciência da Computação - CSBC. 2019. (Encontro).
    6. Seminário de Meio Termo CAPES.Programa de Pós-Graduação em Ciência da Computação da UFABC. 2019. (Seminário).
    7. UFABC para Todos. 2019. (Outra).
    8. Workshop@Nuvem.Projeto CAPES-Print Data Science da UFABC. 2019. (Oficina).
    9. 2º Encontro Paulista de Pós-Graduandos em Computação (EPPC). 2018. (Encontro).
    10. AB3C X-Meeting. Gene interaction networks inference and search for complex disease biomarkers by complex networks analysis and data integration. 2018. (Congresso).
    11. Forum da Pós-Graduação em Ciência da Computação - CSBC. 2018. (Congresso).
    12. 1º Encontro Paulista de Pós-Graduandos em Computação. 2017. (Encontro).
    13. 2nd Brazilian Computer Science Graduate Seminar. 2017. (Encontro).
    14. AB3C X-Meeting. GeNICE: A Novel Framework for Gene Network Inference by Clustering, Exhaustive Search, and Multivariate Analysis. 2017. (Congresso).
    15. AB3C X-Meeting. Evaluation of WGCNA and NERI methods for prioritization of pathways associated to schizophrenia spectrum disorders. 2017. (Congresso).
    16. Forum da Pós-Graduação em Ciência da Computação - CSBC. 2017. (Congresso).
    17. Workshop de Bioinformática da UTFPR.Inferência de redes de interação gênica e busca por biomarcadores de doenças complexas via análise de redes complexas e integração de dados. 2017. (Oficina).
    18. Workshop de eScience.Gene interaction networks inference and search for complex disease biomarkers by complex networks analysis and data integration. 2017. (Oficina).
    19. WSCAD.A Hybrid CPU-GPU-MIC Algorithm for the Hitting Set Problem. 2017. (Simpósio).
    20. XVII Semana Acadêmica da Biomedicina Metodista.Bioinformática. 2017. (Simpósio).
    21. 25th International Joint Conference on Artificial Intelligence - Advances in Bioinformatics and Artificial Intelligence: Bridiging the Gap.A Framework for Scalable Inference of Temporal Gene Regulatory Networks based on Clustering and Multivariate Analysis. 2016. (Oficina).
    22. FAPESP Week Michigan-Ohio.Gene interaction networks inference and search for complex disease biomarkers by complex networks analysis and data integration. 2016. (Simpósio).
    23. 4th China-Brazil Conference on Scientific Computing. Gene regulatory networks inference by feature selection. 2015. (Congresso).
    24. 14th IEEE International Conference of Bioinformatics and Bioengineering (BIBE 2014). Gene networks inference through one genetic algorithm per gene. 2014. (Congresso).
    25. Genomics in the Clinic Conference Series. 2013. (Congresso).
    26. Intercâmbio Indo-Brasileiro com o Indian Institute of Technology.Inference of gene regulatory networks by feature selection. 2013. (Encontro).
    27. I Simpósio da Pós-Graduação da Universidade Federal do ABC.Inferência de redes gênicas por métodos de seleção de características. 2013. (Simpósio).
    28. Latin American eScience Workshop "Turning Data into Insight". 2013. (Oficina).
    29. 2nd IEEE International Conference on Computational Advances in Bio and Medical Sciences (ICCABS). Accelerating Gene Regulatory Networks Inference through GPU/CUDA Programming. 2012. (Congresso).
    30. Bioinformática e as Perspectivas para a Próxima Década.Integração de conhecimento biológico em métodos computacionais para inferência de redes regulatórias de expressão gênica (GRN). 2011. (Seminário).
    31. Bioinformatics to understand studies in genomics course. 2011. (Outra).
    32. Microsoft Research Faculty Summit - Latin American Faculty Summit. 2011. (Oficina).
    33. Microsoft Research-FAPESP Institute Workshop: Revisiting the Past and Planning the Future. 2011. (Oficina).
    34. MidSouth Computational Biology and Bioinformatics Society Conference (MCBIOS). 2011. (Congresso).
    35. 15th Iberoamerican Congress on Pattern Recognition (CIARP). 2010. (Congresso).
    36. 5th IAPR International Conference on Pattern Recognition in Bioinformatics. SFFS-MR: A Floating Search Strategy for GRNs Inference. 2010. (Congresso).
    37. BIOEN FAPESP Workshop on Synthetic Biology. 2010. (Oficina).
    38. II Seminários Avançados em Tecnologia de Microarrays e Next Generation Sequencing - Hospital Israelita Albert Einstein. 2010. (Seminário).
    39. Intercâmbio Indo-Brasileiro com o Indian Statistical Institute.Gene Regulatory Networks Inference. 2010. (Encontro).
    40. Latin American Faculty Summit 2010 - Microsoft Research. 2010. (Encontro).
    41. Workshop in Bioinformatics and Algorithms. 2010. (Oficina).
    42. II Mostra de Projetos Computacionais da UFABC.II Mostra de Projetos Computacionais da UFABC. 2009. (Oficina).
    43. Workshop STIC AmSud.Intrinsically Multivariate Predictive Genes. 2009. (Oficina).
    44. Workshop STIC-AmSud.Gene regulatory networks inference. 2009. (Oficina).

Organização de eventos

  • Total de organização de eventos (9)
    1. MARTINS-JR, David Corrêa; L. C. S. Rozante. II Workshop André Balan de Pós-Graduação em Ciência da Computação. 2019. Congresso
    2. BOTELHO, W. T. ; MARTINS-JR, DAVID CORREA. I Workshop Interdisciplinar dos Laboratórios de Computação de São Bernardo do Campo. 2018. Congresso
    3. MARTINS-JR, DAVID CORREA; GOIS, J. P. ; HORITA, F. E. A.. I Workshop André Balan de Pós-Graduação em Ciência da Computação. 2018. Congresso
    4. MARTINS-JR, DAVID CORREA; SANTOS, Carlos S. ; GONCALVES, B. N.. Workshop de eScience. 2017. Congresso
    5. MARTINS-JR, DAVID CORREA. Brazil-China Workshop of Computational Modeling and Simulation. 2017. (Congresso).. . 0.
    6. MARTINS-JR, DAVID CORREA. III Congresso de Matemática Aplicada do Sudeste (CMAC-SE). 2015. (Congresso).. . 0.
    7. MARTINS-JR, DAVID CORREA. 10th IEEE International Conference on e-Science. 2014. (Congresso).. . 0.
    8. MARTINS JR, David Corrêa. 15th Iberoamerican Congress on Pattern Recognition (CIARP). 2010. (Congresso).. . 0.
    9. MARTINS JR, David Corrêa. ICoBiCoBi - International Conference on Bioinformatics and Computational Biology. 2003. (Congresso).. . 0.

Lista de colaborações

  • Colaborações endôgenas (6)
    • David Corrêa Martins Junior ⇔ Luiz Carlos da Silva Rozante (8.0)
      1. CARASTAN-SANTOS, DANILO ; MARTINS-JR, DAVID C. ; Song, Siang W. ; ROZANTE, LUIZ C.S. ; de Camargo, Raphael Y.. A hybrid CPU-GPU-MIC algorithm for minimal hitting set enumeration. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE. v. 1, p. e5087, issn: 1532-0626, 2018.
      2. CARASTAN-SANTOS, DANILO ; de Camargo, Raphael Y. ; MARTINS, DAVID C. ; Song, Siang W. ; ROZANTE, LUIZ C.S.. Finding exact hitting set solutions for systems biology applications using heterogeneous GPU clusters. Future Generation Computer Systems. v. 67, p. 418-429, issn: 0167-739X, 2016.
      3. BORELLI, FABRIZIO F ; DE CAMARGO, RAPHAEL Y ; MARTINS, DAVID C ; ROZANTE, LUIZ CS. Gene regulatory networks inference using a multi-GPU exhaustive search algorithm. BMC Bioinformatics. v. 14, p. S5, issn: 1471-2105, 2013.
      4. TOVAR, CARLOS R. P. ; MARTINS, DAVID C. ; ROZANTE, LUIZ C. S. ; ARAUJO, ELOI. A Method for Computing Attractor Fields in Coupled Boolean Networks. Em: 2022 IEEE 22nd International Conference on Bioinformatics and Bioengineering (BIBE), p. 315, 2022.
      5. PORTOCARRERO TOVAR, CARLOS REYNALDO ; ARAUJO, ELOI ; CARASTAN-SANTOS, DANILO ; MARTINS, DAVID CORREA ; Rozante, Luiz. Finding Attractors in Biological Models Based on Boolean Dynamical Systems Using Hitting Set. Em: 2019 IEEE 19th International Conference on Bioinformatics and Bioengineering (BIBE), p. 235-239, 2019.
      6. CARASTAN-SANTOS, DANILO ; MARTINS-JR, DAVID CORREA ; L. C. S. Rozante ; S. W. Song ; R. Y. Camargo. A Hybrid CPU-GPU-MIC Algorithm for the Hitting Set Problem. Em: XVIII Simpósio em Sistemas Computacionais de Alto Desempenho - WSCAD, p. 196-217, 2017.
      7. CARASTAN-SANTOS, DANILO ; CAMARGO, RAPHAEL YOKOINGAWA DE ; MARTINS, DAVID CORREA ; SONG, SIANG WUN ; ROZANTE, LUIZ CARLOS SILVA ; BORELLI, FABRIZIO FERREIRA. A Multi-GPU Hitting Set Algorithm for GRNs Inference. Em: 2015 15th IEEE/ACM International Symposium on Cluster, p. 313-322, 2015.
      8. BORELLI, FABRIZIO F. ; CAMARGO, RAPHAEL Y. ; MARTINS, DAVID C. ; STRANSKY, BEATRIZ ; ROZANTE, LUIZ C. S.. Accelerating gene regulatory networks inference through GPU/CUDA programming. Em: 2012 IEEE 2nd International Conference on Computational Advances in Bio and Medical Sciences (ICCABS), p. 1-6, 2012.

    • David Corrêa Martins Junior ⇔ Raphael Yokoingawa de Camargo (5.0)
      1. CARASTAN-SANTOS, DANILO ; MARTINS-JR, DAVID C. ; Song, Siang W. ; ROZANTE, LUIZ C.S. ; de Camargo, Raphael Y.. A hybrid CPU-GPU-MIC algorithm for minimal hitting set enumeration. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE. v. 1, p. e5087, issn: 1532-0626, 2018.
      2. CARASTAN-SANTOS, DANILO ; de Camargo, Raphael Y. ; MARTINS, DAVID C. ; Song, Siang W. ; ROZANTE, LUIZ C.S.. Finding exact hitting set solutions for systems biology applications using heterogeneous GPU clusters. Future Generation Computer Systems. v. 67, p. 418-429, issn: 0167-739X, 2016.
      3. BORELLI, FABRIZIO F ; DE CAMARGO, RAPHAEL Y ; MARTINS, DAVID C ; ROZANTE, LUIZ CS. Gene regulatory networks inference using a multi-GPU exhaustive search algorithm. BMC Bioinformatics. v. 14, p. S5, issn: 1471-2105, 2013.
      4. CARASTAN-SANTOS, DANILO ; CAMARGO, RAPHAEL YOKOINGAWA DE ; MARTINS, DAVID CORREA ; SONG, SIANG WUN ; ROZANTE, LUIZ CARLOS SILVA ; BORELLI, FABRIZIO FERREIRA. A Multi-GPU Hitting Set Algorithm for GRNs Inference. Em: 2015 15th IEEE/ACM International Symposium on Cluster, p. 313-322, 2015.
      5. BORELLI, FABRIZIO F. ; CAMARGO, RAPHAEL Y. ; MARTINS, DAVID C. ; STRANSKY, BEATRIZ ; ROZANTE, LUIZ C. S.. Accelerating gene regulatory networks inference through GPU/CUDA programming. Em: 2012 IEEE 2nd International Conference on Computational Advances in Bio and Medical Sciences (ICCABS), p. 1-6, 2012.

    • David Corrêa Martins Junior ⇔ Carlos da Silva dos Santos (4.0)
      1. JIMENEZ, RAY DUEÑAS ; MARTINS-JR, DAVID CORREA ; SANTOS, CARLOS SILVA. One genetic algorithm per gene to infer gene networks from expression data. Network Modeling Analysis in Health Informatics and Bioinformatics. v. 4, p. 1-22, issn: 2192-6670, 2015.
      2. CUBAS, CARLOS FERNANDO MONTOYA ; MARTINS-JR, DAVID CORREA ; SANTOS, CARLOS SILVA ; Barrera, Junior. Linear grouping of predictor instances to infer gene networks. Network Modeling Analysis in Health Informatics and Bioinformatics. v. 4, p. 1-17, issn: 2192-6662, 2015.
      3. MONTOYA-CUBAS, CARLOS FERNANDO ; MARTINS, DAVID CORREA ; SANTOS, CARLOS SILVA ; Barrera, Junior. Gene Networks Inference through Linear Grouping of Variables. Em: 2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE), p. 243, 2014.
      4. JIMENEZ, RAY DUENAS ; MARTINS, DAVID CORREA ; SANTOS, CARLOS SILVA. Gene Networks Inference through One Genetic Algorithm Per Gene. Em: 2014 IEEE International Conference on Bioinformatics and Bioengineering (BIBE), p. 1, 2014.

    • David Corrêa Martins Junior ⇔ Mario Alexandre Gazziro (1.0)
      1. JR, DAVID MARTINS ; Gazziro, Mario ; MARCO, ANDERSON. High performance computing architectures analysis for gene networks inference. Em: XX Simpósio em Sistemas Computacionais de Alto Desempenho, p. 49, 2019.

    • David Corrêa Martins Junior ⇔ Rodrigo Pavão (1.0)
      1. WICIK, ZOFIA ; EYILETEN, CEREN ; JAKUBIK, DANIEL ; SIMÕES, SÉRGIO N. ; Martins, David C. ; PAVÃO, RODRIGO ; SILLER-MATULA, JOLANTA M. ; POSTULA, MAREK. ACE2 Interaction Networks in COVID-19: A Physiological Framework for Prediction of Outcome in Patients with Cardiovascular Risk Factors. Journal of Clinical Medicine. v. 9, p. 3743, issn: 2077-0383, 2020.

    • David Corrêa Martins Junior ⇔ Sergio Daishi Sasaki (1.0)
      1. DURAN, A. ; DA-SILVA, F. R. S. ; FERREIRA, G. C. ; MACHADO, G. C. ; TANAKA, A. S. ; FELTRIN, A. S. ; MARTINS-JR, DAVID CORREA ; SASAKI, S. D.. Microarray profile of the pulmonary emphysema mice model treated with a Kunitz-BPTI serine proteinase inhibitor. Em: 47th Annual Meeting of the Brazilian Society for Biochemistry and Molecular Biology (SBBq), 2018, Joinville. Livro de resumos da 47th Annual Meeting of the Brazilian Society for Biochemistry and Molecular Biology (SBBq), 2018.




Data de processamento: 16/11/2024 16:24:34