Onboarding
0) Visão geral
Propósito
Formar pós-graduandos capazes de executar o ciclo completo de um projeto de HCA/HCI com rigor e reprodutibilidade:
Pergunta → desenho experimental → aquisição → QC → análise → interpretação → comunicação → reprodutibilidade
Perfil de saída
A pessoa consegue:
- Desenhar um ensaio de HCA (ex.: Live Cell Painting) com controles e mitigação de batch effects.
- Adquirir imagens com parâmetros coerentes e justificar escolhas de aquisição.
- Implementar QC (sigla do inglês, Quality Control) e critérios de exclusão (imagem e/ou poço) e documentar racional.
- Construir pipeline de segmentação/medição (ex.: CellProfiler) e integrar metadados.
- Gerar perfis fenotípicos, normalizar, diagnosticar batches e produzir relatórios reprodutíveis.
- Treinar modelos baseline (e avançados quando necessário) com validação correta.
- Entregar artefatos reprodutíveis (repositório + ambiente + notebooks + README + figuras).
Princípios operacionais do curso
- Rigor > velocidade: primeiro funciona, depois otimiza.
- Reprodutibilidade desde o dia 1: ambiente, versões, seeds, dados organizados.
- Aprender fazendo: cada módulo termina em um entregável avaliável.
- Trilha dupla:
- biologia/microscopia/ensaio e
- dados/software/ML, convergindo em projetos.
Tópicos
- Introdução ao High-Content Imaging e High-Content Analysis
- Pergunta científica e operacionalização
- Desenho experimental I: controles, replicação e randomização
- Desenho experimental II: batch effect — como reconhecer, prevenir e interpretar
Sobre este material
Este material foi criado para apoiar o treinamento do nosso grupo de pesquisa em HCI/HCA. Ele foi pensado primеiramente para a nossa rotina, mas pode ser útil para outras pessoas que estejam aprendendo ou estruturando fluxos semelhantes. Se você encontrar algum erro, inconsistência ou tiver sugestões de melhoria, fique à vontade para abrir uma issue no repositório. Se preferir tratar algo de forma privada, envie um e-mail.