Curso_ST
Análise de Dados de Transcriptômica Espacial
Setembro 2026
Este repositório reúne os materiais do curso Análise de Dados de Transcriptômica Espacial, dedicado aos fundamentos das tecnologias de transcriptômica de alta resolução e às estratégias de análise de dados espaciais. O curso combina aulas expositivas e atividades práticas em R, com ênfase em dados gerados pela plataforma Visium.
Objetivos
Ao final do curso, espera-se que as pessoas participantes sejam capazes de:
- compreender os conceitos fundamentais da transcriptômica espacial e suas aplicações nas Ciências da Saúde;
- reconhecer as principais plataformas e a estrutura dos dados de transcriptômica espacial;
- realizar etapas de controle de qualidade, normalização e redução de dimensionalidade com o pacote Seurat;
- conhecer abordagens para deconvolução, comunicação celular, visualização contínua de sinal e outras análises secundárias;
- discutir possibilidades de aplicação dessas técnicas em seus próprios contextos de pesquisa.
Conteúdo programático
1. Introdução à transcriptômica espacial
- fundamentos teóricos;
- plataformas disponíveis;
- estrutura dos dados.
2. Pré-processamento de dados
- controle de qualidade;
- normalização;
- redução de dimensionalidade;
- uso do pacote Seurat em R;
- visualização contínua de sinal com PathwaySpace.
3. Análise de dados em transcriptômica espacial
- técnicas de deconvolução;
- análise de comunicação celular;
- segmentação celular;
- Referências de análise.
Metodologia
O curso tem caráter teórico-prático. As exposições conceituais são seguidas de atividades práticas, tutoriais e exemplos desenvolvidos em R. As análises têm foco principal em dados de transcriptômica espacial produzidos pela plataforma Visium.
Carga horária e programação
A carga horária total é de 8 horas, distribuídas da seguinte forma:
| Data | Horário |
|---|---|
| 07/09 (segunda-feira) | 18h30–20h30 |
| 08/09 (terça-feira) | 18h30–21h30 |
| 09/09 (quarta-feira) | 18h30–21h30 |
Pré-requisitos
São recomendados conhecimentos básicos de biologia molecular e de tecnologias de sequenciamento. Experiência prévia com alguma linguagem de programação é desejável, mas não obrigatória.
Vinhetas
do Curso
- Configuração do ambiente RStudio — Aula 1
- Controle de qualidade, pré-processamento e clusterização de dados espaciais — Aula 2
- Visualização contínua de dados espaciais com PathwaySpace — Aula 2
- Deconvolução com RCTD — Aula 3
- Comunicação celular — Aula 3
- Segmentação Celular — Aula 3
Vinhetas externas recomendadas
-
Seurat: Analysis, visualization, and integration of spatial datasets with Seurat
-
RGraphSpace: Spatial Feature Data
-
PathwaySpace: Visualizing spatial transcriptomics
-
RCTD: RCTD Tutorial
-
CellChat: CellChat inference and analysis of spatially proximal cell-cell communication
-
RGraphSpace: Spatial-segmented data with Seurat and RGraphSpace
Leituras recomendadas
Os artigos científicos, capítulos, tutoriais, vídeos e repositórios citados nas apresentações estão reunidos em uma página pesquisável, organizada por tipo de material e vinculada aos slides correspondentes da Aula 1.
Ministrante
Flávio Gabriel Carazza-Kessler
Histórico
Esse curso tem origem em um curso entitulado “Análise de Dados de Transcriptômica Single-Cell e Espacial” ministrado pela Dra. Carolina Saibro-Girardi e por mim, Flávio, durante o congresso X-meeting 2026. Lá, fui gentilmente convidado para ministrar o curso novamente. Dessa vez, porém, focado mais em transcriptômica espacial e (infelizmente) ministrado apenas por mim.
De toda maneira, a estrutura do curso, apresentações e códigos são oriundos (parcial ou majoritarimente) da primeira versão do curso. Por essa razão, alguns documentos contam com o nome da Dra. Carol.
Deixo aqui meu agradecimento à Carol, querida amiga, por primeiro ter me convidado para participar da primeira versão como também por compartilhar o material do curso.
Declaração de IA
Ferramentas de inteligência artificial generativa foram utilizadas como apoio na elaboração e revisão de textos, códigos e materiais deste repositório. Todo o conteúdo produzido com esse auxílio foi revisado, adaptado e validado pelo autor, que permanece responsável por sua versão final.
Licenças
O conteúdo de texto deste curso está disponível sob a licença Creative Commons Atribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0). Os códigos-fonte (vinhetas) estão disponíveis sob a licença MIT. Consulte o arquivo LICENSE.md para os termos aplicáveis.