Carlos Henrique Aguena Higa

Bacharel em Ciência da Computação pela Faculdade de Computação da Universidade Federal de Mato Grosso do Sul (2003), mestre (2006) e doutor (2012) em Ciência da Computação pelo Instituto de Matemática e Estatística da Universidade de São Paulo. Atualmente, como Professor da Faculdade de Computação da Universidade Federal de Mato Grosso do Sul, atua na área de Bioinformática e Biologia Computacional.

Informações coletadas do Lattes em 02/02/2020

Acadêmico

Seção coletada automaticamente pelo Escavador

Formação acadêmica

Doutorado em Ciência da Computação

2006 - 2012

Universidade de São Paulo
Título: Inferência de Redes de Regulação Gênica utilizando o Paradigma de Crescimento de Sementes
Ronaldo Fumio Hashimoto. Bolsista do(a): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES, Brasil. Palavras-chave: Boolean Networks; Gene Regulatory Networks; Reverse engineering.Grande área: Ciências Exatas e da Terra

Mestrado em Ciência da Computação

2004 - 2006

Universidade de São Paulo
Título: Coeficientes de Determinação, Predição Intrinsicamente Multivariada e Genética,Ano de Obtenção: 2006
Ronaldo Fumio Hashimoto.Bolsista do(a): Fundação de Amparo à Pesquisa do Estado de São Paulo, FAPESP, Brasil. Palavras-chave: Redes de regulação gênica; Redes Booleanas; Coeficiente de Determinação; Microarray.Grande área: Ciências Exatas e da Terra

Graduação em Ciência da Computação

2000 - 2003

Universidade Federal de Mato Grosso do Sul
Título: Métodos de Monte Carlo em Finanças
Orientador: Walter Figueiredo Mascarenhas

Seção coletada automaticamente pelo Escavador

Formação complementar

2009 - 2009

Curso de Verão em Bioinformática 2009. (Carga horária: 40h). , Instituto de Matemática e Estatística - USP, IME-USP, Brasil.

2002 - 2002

Programação em Delphi Básico. (Carga horária: 32h). , Universidade Federal de Mato Grosso do Sul, UFMS, Brasil.

2002 - 2002

Programação em Delphi Avançado. (Carga horária: 40h). , Universidade Federal de Mato Grosso do Sul, UFMS, Brasil.

Seção coletada automaticamente pelo Escavador

Idiomas

Inglês

Compreende Bem, Fala Bem, Lê Bem, Escreve Bem.

Espanhol

Compreende Razoavelmente, Fala Razoavelmente, Lê Razoavelmente, Escreve Pouco.

Alemão

Compreende Razoavelmente, Fala Razoavelmente, Lê Razoavelmente, Escreve Razoavelmente.

Seção coletada automaticamente pelo Escavador

Áreas de atuação

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Bioinformática.

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Banco de Dados.

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Metodologia e Técnicas da Computação/Especialidade: Linguagens de Programação.

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Teoria da Computação/Especialidade: Análise de Algoritmos e Complexidade de Computação.

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Redes de Computadores.

    Grande área: Ciências Exatas e da Terra / Área: Ciência da Computação / Subárea: Reconhecimento de Padrões.

Seção coletada automaticamente pelo Escavador

Organização de eventos

HIGA, C. H. A. . V ECOPET - Encontro dos Grupo PET do Centro-oeste. 2018. (Outro).

HIGA, C. H. A. . XIV InterPET - Encontro dos grupos PET de MS. 2017. (Outro).

HIGA, C. H. A. . XII InterPET - Encontro dos Grupos PET de MS. 2016. (Outro).

Seção coletada automaticamente pelo Escavador

Participação em eventos

The 18th International Conference on Computational Science and Its Applications. Inferring Gene Regulatory Networks Using Hybrid Parallel Computing. 2018. (Congresso).

The 18th International Conference on Computational Science and Its Applications. Reverse Engineering of Gene Regulatory Networks Combining Dynamic Bayesian Networks and Prior Biological Knowledge. 2018. (Congresso).

V ECOPET - Encontro dos grupos PET do Centro-oeste. 2018. (Encontro).

XIII ENAPET - Encontro dos Grupos PET. 2018. (Encontro).

INTERPET. 2017. (Encontro).

XII ENAPET - Encontro Nacional dos Grupos PET. 2017. (Encontro).

WB2016 - Workshop de Bioinformática da UTFPR.Inferência de redes de regulação gênica usando coeficiente de determinação, entropia de Tsallis e conhecimento biológico a priori. 2016. (Oficina).

Semana Nacional de Controle e Combate à Leishmaniose. 2015. (Outra).

Maratona de Programação. 2013. (Olimpíada).

Brazilian Symposium on Bioinformatics.Inferring Robust Boolean Networks of the Early Embryonic Stage in Kidney Organogenesis. 2012. (Simpósio).

International Symposium on Bioinformatics Research and Applications.Analysis of Gene Interactions using Restricted Boolean Networks and Time-Series Data. 2010. (Simpósio).

WBA 2010 - Workshop in Bioinformatics and Algorithms. 2010. (Oficina).

GENSIPS 2009 - IEEE International Workshop on Genomic Signal Processing and Statistics.Inference of Gene Regulatory Networks using Temporal Coefficient of Determination obtained from Ergodic Markov Chains. 2009. (Oficina).

X-Meeting 2008.Considerations on using CoD for inference of gene regulation networks. 2008. (Simpósio).

X-Meeting 2007.Modelling Yeast Cell-Cycle with Context Probabilistic Boolean Network. 2007. (Simpósio).

IV Escola Regional de Informática do Centro Oeste. 2002. (Simpósio).

VIII Semana da Computação. 2001. (Seminário).

Seção coletada automaticamente pelo Escavador

Participação em bancas

Aluno: Mariana Caravanti de Souza

HIGA, C. H. A.; RIBAS, A. C. A.; STEFANES, M. A.. Engenharia reversa de redes de regulação gênica por meio de modelos gráficos probabilísticos. 2018. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Jean Carlo Wai Keung Ma

STEFANES, M. A.; ROZANTE, L. C. S.;HIGA, C. H. A.. Inferência de Redes de Regulação Gênica usando Computação Parelela Híbrida. 2017. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Camila Yumi Koike

HIGA, C. H. A.; SALGADO, L. R.;ADI, S. S.. Inferência de redes de regulação gênica a partir de dados de expressão gênica e conhecimento biológico a priori. 2016. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Alex Zanella Zaccaron

ADI, S. S.; MIRA, C. V. G.;HIGA, C. H. A.. O Problema do Particionamento de Similaridade Máxima. 2015. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Augusto César Aquino Ribas

HIGA, C. H. A.; Araújo, A. C.; Aoki, C.; Gonzaga, M. O.; Faria, R. R.. Estruturação da comunidade de artrópodes em plantas. Como se organizam os inquilinos de Byrsonima intermedia (Malpighiaceae) e seu efeito sobre o sucesso reprodutivo. 2014. Tese (Doutorado em Ecologia e Conservação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Gênesis Medeiros do Carmo

MARTINEZ, F. H. V.;HIGA, C. H. A.; ARAÚJO, F. E. S.. Rearranjo de Genomas por Reversões. 2017.

Aluno: Gênesis Medeiros do Carmo

MARTINEZ, F. H. V.;HIGA, C. H. A.; STEFANES, M. A.. Rearranjo de Genomas por Reversões com Pesos. 2017. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Gabriel Leme Medeiros

MARTINEZ, F. H. V.;HIGA, C. H. A.; ARAÚJO, F. E. S.. Problema da similaridade DCJ livre de famílias. 2017. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Mariana Caravanti de Souza

HIGA, C. H. A.; NOGUEIRA, B. M.; STEFANES, M. A.. Engenharia reversa de redes de regulação gênica por meio de modelos gráficos probabilísticos. 2017. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Camila Yumi Koike

HIGA, C. H. A.; ARAÚJO, F. E. S.; STEFANES, M. A.. Inferência de redes de regulação gênica a partir de dados de expressão gênica e conhecimento biológico a priori. 2015. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Jean Carlo Wai Keung Ma

STEFANES, M. A.;HIGA, C. H. A.; ARAÚJO, F. E. S.. Inferência de redes de regulação gênicas usando computação paralela híbrida. 2015. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Alex Zanella Zacaron

ADI, S. S.; ARAÚJO, F. E. S.; SALGADO, L. R.;HIGA, C. H. A.. O problema da reconstrução e quantificação de transcriptoma. 2014. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Regina Beretta Mazaro

ADI, S. S.HIGA, C. H. A.; STEFANES, M. A.. O Problema do Alinhamento Spliced Múltiplo. 2013. Exame de qualificação (Mestrando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Clóvis A

ISHII, R. P.; PADOVANI, C. R.;HIGA, C. H. A.. S. Silva.TIMESAT-Cluster: Uma Abordagem em Cluster para Analisar Séries-Temporais de Dados Produzidos por Sensores de Satélite. 2016. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

Aluno: Natan de Oliveira Leite

PEDROTTI, V.;HIGA, C. H. A.; CARVALHO, M. H.. Alocação de turmas em horários e salas. 2013. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul.

HIGA, C. H. A.; AQUINO, S. B. F.; TAKEHARA, R. S.. Concurso público para ingresso na Carreira do Magistério Superior na Classe de Professor Assistente A. 2016. Universidade Federal de Mato Grosso do Sul.

FARIA, G.;HIGA, C. H. A.; MARKS, R. A.. Concurso público para ingresso na Carreira do Magistério Superior na Classe de Professor Assistente A. 2014. Universidade Federal de Mato Grosso do Sul.

MARTINELLI JUNIOR, D. O.;HIGA, C. H. A.; PAIVA, D. M. B.. Concurso público para professor de ensino superior. 2013. Universidade Estadual de Mato Grosso do Sul.

ISHII, R. P.; LOPES, P. C. M.;HIGA, C. H. A.. Concurso público de Professor Auxiliar. 2012. Universidade Federal de Mato Grosso do Sul.

Seção coletada automaticamente pelo Escavador

Comissão julgadora das bancas

Ricardo Zorzetto Nicoliello Vêncio

HASHIMOTO, R. F.; MARTINS-JR, D. C.;VENCIO, R. Inferência de Redes de Regulação Gênica utilizando o paradigma de crescimento de semente. 2010. Tese (Doutorado em Ciências da Computação) - Universidade de São Paulo.

David Corrêa Martins Junior

HASHIMOTO, Ronaldo F.; FUJITA, André; MONTE, Júlio C. M.;MARTINS JR, David CorrêaLOPES, Fabrício Martins. Inferência de redes de regulação gênica utilizando o paradigma de crescimento de sementes. 2012. Tese (Doutorado em Ciência da Computação) - Instituto de Matemática e Estatística -USP.

David Corrêa Martins Junior

HASHIMOTO, Ronaldo F.MARTINS JR, David CorrêaVÊNCIO, Ricardo Z. N.. Inferência de Redes de Regulação Gênica utilizando o paradigma de crescimento de semente. 2010. Exame de qualificação (Doutorando em Ciência da Computação) - Instituto de Matemática e Estatística -USP.

Ronaldo Fumio Hashimoto

HASHIMOTO, R. F.CESAR JUNIOR, R. M.; PORTILLO, H. A.. Coeficiente de Determinação, Predição Intrinsicamente Multivariada e Genética. 2006. Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo.

Ronaldo Fumio Hashimoto

HASHIMOTO, R. F.; MONTE, J. C. M.; MARTINS, D. C.;LOPES, F. M.; FUJITA, A.. Inferência de Redes de Regulação Gênica Utilizando o Paradigma de Crescimento de Sementes. 2012. Tese (Doutorado em Ciências da Computação) - Universidade de São Paulo.

Ronaldo Fumio Hashimoto

HASHIMOTO, R. F.; VENCIO, R. Z. N.;CESAR JUNIOR, R. M.. Inferência de Redes de Regulação Gênica utilizando o paradigma de crescimento de semente. 2010. Exame de qualificação (Doutorando em Ciências da Computação) - Universidade de São Paulo.

Fabrício Martins Lopes

HASHIMOTO, Ronaldo F.FUJITA, AndréMONTE, Júlio César M.MARTINS JR, David C.LOPES, Fabrício M.. Inferência de Redes de Regulação Gênica Utilizando o Paradigma de Crescimento de Sementes. 2012. Tese (Doutorado em Ciencia da Computacao) - Universidade de São Paulo.

Andre Fujita

HASHIMOTO, R. F.; MARTINS JUNIOR, D. C.;FUJITA, A.; MONTE, J. C. M.; LOPES, F. M.. Inferência de redes de regulação gênica utilizando o paradigma de crescimento de sementes. 2012. Tese (Doutorado em Ciências da Computação) - Universidade de São Paulo.

Seção coletada automaticamente pelo Escavador

Orientou

Leopoldo Cristaldo Vicente

A definir; Início: 2018; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul; (Orientador);

Lucas Pansani Ramos

Algoritmos de inferência de redes de regulação gênica; Início: 2019; Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul; (Orientador);

Mariana Caravanti de Souza

Engenharia reversa de redes de regulação gênica por meio de modelos gráficos probabilísticos; 2018; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Carlos Henrique Aguena Higa;

Camila Yumi Koike

Inferência de redes de regulação gênica a partir de dados de expressão gênica e conhecimento biológico a priori; 2016; Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Carlos Henrique Aguena Higa;

Talles Takeshi Takagi

Inferência de redes de regulação gênica usando medidas da Teoria da Informação; 2016; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul; Orientador: Carlos Henrique Aguena Higa;

Sibelly G

S; Cavalcante; Franklin M; Barbosa; RNA - Regulatory Network Analyzer: um aplicativo do Cytoscape para análise de redes Booleanas; 2015; Trabalho de Conclusão de Curso; (Graduação em Análise de Sistemas) - Universidade Federal de Mato Grosso do Sul; Orientador: Carlos Henrique Aguena Higa;

Mariana Caravanti de Souza

Processamento de dados de RNA-Seq utilizando TopHat e Cufflinks; 2015; Trabalho de Conclusão de Curso; (Graduação em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul; Orientador: Carlos Henrique Aguena Higa;

Hernanes de Oliveira Almeida

Modelagem matemática do ciclo de vida do carrapato do boi; 2018; Iniciação Científica; (Graduando em Sistemas de Informação) - Universidade Federal de Mato Grosso do Sul, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Carlos Henrique Aguena Higa;

Lucas Steisiney Tamanaka Amorim

Medidas de validação de algoritmos para inferir redes Booleanas; 2014; Iniciação Científica; (Graduando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Carlos Henrique Aguena Higa;

Mariana Caravanti de Souza

Modelagem do ciclo celular da levedura através de redes Booleanas probabilísticas; 2013; Iniciação Científica; (Graduando em Ciência da Computação) - Universidade Federal de Mato Grosso do Sul, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Carlos Henrique Aguena Higa;

Carla Giselle Martins Real

Simulação de redes Booleanas via Cytoscape; 2013; Iniciação Científica; (Graduando em Engenharia de Computação) - Universidade Federal de Mato Grosso do Sul, Conselho Nacional de Desenvolvimento Científico e Tecnológico; Orientador: Carlos Henrique Aguena Higa;

Sibelly Gonçalves Sanches Cavalcante

Elaboração de uma apostila para a disciplina de Fundamentos de Teoria da Computação; 2012; Orientação de outra natureza; (Análise de Sistemas) - Universidade Federal de Mato Grosso do Sul; Orientador: Carlos Henrique Aguena Higa;

Seção coletada automaticamente pelo Escavador

Foi orientado por

Ronaldo Fumio Hashimoto

Coeficiente de Determinação, Predição Intrinsicamente Multivariada e Genética; 2006; Dissertação (Mestrado em Ciências da Computação) - Universidade de São Paulo, Fundação de Amparo à Pesquisa do Estado de São Paulo; Orientador: Ronaldo Fumio Hashimoto;

Ronaldo Fumio Hashimoto

Inferência de Redes de Regulação Gênica Utilizando o Paradigma de Crescimento de Sementes; 2012; Tese (Doutorado em Doutorado em Ciência da Computação) - Instituto de Matemática e Estatística, Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; Orientador: Ronaldo Fumio Hashimoto;

Seção coletada automaticamente pelo Escavador

Produções bibliográficas

  • ZACCARON, A. Z. ; ARAÚJO, F. E. S. ; HIGA, C. H. A. ; ADI, S. S. . The maximum similarity partitioning problem and its application in the transcriptome reconstruction and quantification problem. International Journal of Innovative Computing and Applications (Print) , v. 7, p. 147-152, 2016.

  • HIGA, C. H. A. ; ANDRADE, T. P. ; HASHIMOTO, R. F. . Growing Seed Genes from Time Series Data and Thresholded Boolean Networks with Perturbation. IEEE/ACM Transactions on Computational Biology and Bioinformatics (Print) , v. 10, p. 37-49, 2013.

  • HIGA, C. H. A. ; LOUZADA, V. H. P. ; ANDRADE, T. P. ; HASHIMOTO, R. F. . Constraint-based analysis of gene interactions using restricted boolean networks and time-series data. BMC Proceedings , v. 5, p. S5, 2011.

  • HIGA, C. H. A. ; ROZANTE, L. C. S. ; Ma, Jean C. W. K. ; STEFANES, M. A. . Inferring Gene Regulatory Networks Using Hybrid Parallel Computing. In: 2018 International Conference on Computer Science and its Applications - ICCSA, 2018, Melbourne. Computational Science and Its Applications ? ICCSA 2018, 2018. v. 10960. p. 151-166.

  • SOUZA, M. C. ; HIGA, C. H. A. . Reverse Engineering of Gene Regulatory Networks Combining Dynamic Bayesian Networks and Prior Biological Knowledge. In: 2018 International Conference on Computational Sciences and its Applications - ICCSA, 2018, Melbourne. Computational Science and Its Applications ? ICCSA 2018, 2018. v. 10960. p. 323-336.

  • KOIKE, CAMILA Y. ; HIGA, CARLOS H. A. . Inference of Gene Regulatory Networks Using Coefficient of Determination, Tsallis Entropy and Biological Prior Knowledge. In: 2016 IEEE 16th International Conference on Bioinformatics and Bioengineering (BIBE), 2016, Taichung. 2016 IEEE 16th International Conference on Bioinformatics and Bioengineering (BIBE). p. 64-70.

  • ZACCARON, A. Z. ; ADI, S. S. ; HIGA, C. H. A. ; ARAÚJO, F. E. S. . The Maximum Similarity Partitioning Problem and its Application in the Transcriptome Reconstruction and Quantification Problem. In: The 15th International Conference on Computational Science and Its Applications (ICCSA 2015), 2015, Banff. Computational Science and Its Applications -- ICCSA, 2015. v. 9155. p. 257-266.

  • HIGA, C. H. A. ; LOUZADA, V. H. P. ; HASHIMOTO, R. F. . Analysis of Gene Interactions using Restricted Boolean Networks and Time-Series Data. In: International Symposium on Bioinformatics Research and Applications, 2010, Storrs, CT. LNBI 6053 Bioinformatics Research and Applications, 2010.

  • HIGA, C. H. A. ; HASHIMOTO, R. F. ; HIRATA JR., R. ; HIRATA, N. S. T. ; SANTOS, C. S. . Inference of Gene Regulatory Network using Temporal Coefficient of Determination Obtained from Ergodic Markov Chains. In: IEEE International Workshop on Genomic Signal Processing and Statistics, 2009, Minneapolis, MN. Proceedings of the VII IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS'2009), 2009.

  • HASHIMOTO, R. F. ; HIGA, C. H. A. ; STAGNI, H. . Budding yeast cell cycle modeled by context-sensitive probabilistic Boolean network. In: IEEE International Workshop on Genomic Signal Processing and Statistics, 2009, Minneapolis, MN. Proceedings of the VII IEEE International Workshop on Genomic Signal Processing and Statistics (GENSIPS'2009), 2009.

  • CAMPIAO, K. M. ; TAVARES, L. E. R. ; HIGA, C. H. A. ; RIBAS, A. C. A. . Padrões de conectância em redes de interações entre vertebrados e endoparasitos. In: 1° Reunião da ABECO e 5° Simpósio de Ecologia Teórica, 2016, Gramado - RS. 1° Reunião da ABECO e 5° Simpósio de Ecologia Teórica, 2016.

  • HIGA, C. H. A. ; HASHIMOTO, R. F. ; MONTE, J. C. M. . Inferring Robust Boolean Networks of the Early Embryonic Stage in Kidney Organogenesis. In: Brazilian Symposium on Bioinformatics, 2012, Campo Grande, MS. Digital Proceedings - Brazilian Symposium on Bioinformatics, 2012. p. 56-61.

  • NAKANO, F. ; ASPRINO, P.F. ; HIGA, C. H. A. ; HASHIMOTO, R. F. ; ARMELIN, H. A. . Searching for Genes Involved in Novel Mechanisms of Tumor Cell Death Triggered by FGF2: Introducing New Methodological Approaches. In: International Conference on Intelligent Systems for Molecular Biology, 2006, Fortaleza. International Conference on Intelligent Systems for Molecular Biology, 2006.

  • KOIKE, C. Y. ; HIGA, C. H. A. . Inferência de redes de regulação gênica usando coeficiente de determinação, entropia de Tsallis e conhecimento biológico a priori. 2016. (Apresentação de Trabalho/Seminário).

  • HIGA, C. H. A. ; HASHIMOTO, R. F. ; HIRATA JR., R. ; HIRATA, N. S. T. ; SANTOS, C. S. . Inference of Gene Regulatory Network using Temporal Coefficient of Determination Obtained from Ergodic Markov Chains. 2009. (Apresentação de Trabalho/Conferência ou palestra).

  • HIGA, C. H. A. ; HASHIMOTO, R. F. ; HIRATA JR., R. ; HIRATA, N. S. T. . Considerations on using CoD for inference of gene regulation networks. 2008. (Apresentação de Trabalho/Congresso).

  • HASHIMOTO, R. F. ; HIGA, C. H. A. . Modelling Yeast Cell-Cycle with Context Probabilistic Boolean Network. 2007. (Apresentação de Trabalho/Congresso).

  • HIGA, C. H. A. . Inferência de redes de regulação gênica utilizando o paradigma de crescimento de sementes 2012 (Tese de doutorado).

  • HIGA, C. H. A. . Coeficientes de determinação, predição intrinsicamente multivariada e genética 2006 (Dissertação de mestrado).

Seção coletada automaticamente pelo Escavador

Projetos de pesquisa

  • 2015 - Atual

    Inferência de redes de regulação gênica a partir de dados biológicos, Descrição: Nos últimos anos, presenciamos o avanço das tecnologias capazes de gerar dados biológicos, onde podemos destacar os Sequenciadores de Nova Geração. Além do aumento na quantidade, também houve uma melhoria na qualidade desses dados gerados. Dessa maneira, metodologias matemáticas e computacionais se tornaram essenciais para analisar e processar esse grande volume de dados com o objetivo de gerar conhecimento. Um problema importante estudado em Biologia Sistêmica e Bioinformática é o da inferência de redes de regulação gênica a partir de dados biológicos, tema deste projeto. Entre os principais objetivos deste projeto, podemos citar: (1) o estudo de dados biológicos e ferramentas disponíveis que possam auxiliar o processo de inferência de redes de regulação gênica; (2) o desenvolvimento de metodologia/algoritmos para a inferência de redes.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . , Integrantes: Carlos Henrique Aguena Higa - Coordenador / Marco Aurélio Stefanes - Integrante / Fábio Henrique Viduani Martinez - Integrante., Número de orientações: 1

  • 2013 - Atual

    Algoritmos em Bioinformática, Descrição: A biologia computacional é uma área de pesquisa multidisciplinar que usa a computação para propor e inferir soluções para diversos problemas biológicos tais como reconstrução de sequências biológicas, mapeamento de genes, inferência de árvores filogenéticas, etc. Várias ferramentas computacionais têm sido utilizadas para essa finalidade tais como grafos e combinatória. As formulações da maioria dos problemas interessantes, mesmo as mais simples, são computacionalmente difíceis, ou seja, não existe um algoritmo polinomial no tamanho da entrada que resolva qualquer um desses problemas a menos que P = NP. Assim, vários algoritmos aproximados e probabilísticos, além das heurísticas, são propostos para a solução desses problemas. Além disso, mesmo quando temos uma solução polinomial, o tamanho das instâncias na prática pode ser muito grande. Para esses casos, algoritmos paralelos podem ser elaborados para acelerar o processamento. Para os problemas computacionalmente difíceis, nossos objetivos são tanto teóricos quanto práticos. Do ponto de vista teórico, estamos interessados em determinar as suas classes de complexidade e elaborar algoritmos exatos, aproximados e probabilísticos de cada um dos problemas estudados, Do ponto de vista prático, implementaremos os algoritmos estudados e elaboraremos heurísticas cujo resultado represente uma solução de interesse para a biologia.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Carlos Henrique Aguena Higa - Coordenador / Francisco Elói Soares de Araújo - Integrante / Luciana Montera Cheung - Integrante / Marco Aurélio Stefanes - Integrante / Said Sadique Adi - Integrante / Luiz Carlos da Silva Rozante - Integrante / Paulo Sérgio Lopes de Oliveira - Integrante.

  • 2011 - 2012

    Inferência de redes de regulação gênica utilizando o paradigma de crescimento de semente, Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Carlos Henrique Aguena Higa - Coordenador.

  • 2007 - 2009

    Modelando e Inferindo Ciclo Celular usando Redes Booleanas Probabilísticas Contextuais, Descrição: Uma complexa rede molecular é responsável pelo processo de ciclo celular que divide uma célula em duas filhas. Com o intuito de modelar e entender o processo do ciclo celular, uma atenção considerável tem sido dada ao ciclo celular da levedura. Em particular, um modelo que tem chamado muita atenção no estudo de redes gênicas é o modelo de redes Booleanas probabilísticas contextuais que essencialmente é uma coleção finita de redes Boolenas com pertubação (BNp). Uma BNp é uma rede Booleana onde cada gene pode aleatoriamente mudar (trocar) seu valor a cada instante de tempo com uma pequena probabilidade de pertubação. Este projeto tem um objetivo $(i)$ estudar e propor um novo modelo estocástico para o ciclo celular da levedura usando redes Booleanas probabilísticas contextuais mais robusto e estável que o modelo de Zhang et al. e $(ii)$ propor um algoritmo dentro do modelo de redes Booleanas probabilísticas contextuais que a partir de dados de microarray do ciclo celular da levedura, encontre mais genes e/ou mais interações gênicas para serem acrescentados à rede de regulação modelado por Li et al. Espera-se com esta pesquisa, avançar nestes dois pontos para estudo e modelagem posterior de outros processos biológicos. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Carlos Henrique Aguena Higa - Integrante / Ronaldo Fumio Hashimoto - Coordenador / Roberto Hirata Jr. - Integrante / Nina S. T. Hirata - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

  • 2004 - 2006

    Coeficientes de Determinação, Predição Intrinsicamente Multivariada e Genética, Descrição: A tecnologia de microarrays (gene chip) permite a análise de uma grande quantidade de genes simultaneamente. Um problema chave em Bioinformática consiste na predição da expressão gênica de um gene alvo a partir da expressão de genes preditores. O Coeficiente de Determinação (CoD) é uma medida utilizada para inferir a qualidade de tais predições. Uma configuração particular envolvendo CoDs de genes preditores em relação a um gene alvo define o que chamamos de genes de predição intrinsicamente multivariada (IMP genes). Para estudar a maneira como os genes se interagem foi proposto o modelo de redes Booleanas. Como este modelo tem grande potencialidade para explicar a interação de genes dentro de uma célula, é de fundamental importância um estudo em detalhes no sentido de entender resultados experimentais biológicos já conhecidos e/ou fornecer novas hipóteses para verificação experimental. Este projeto de pesquisa tem como interesse principal estudar problemas relacionados com CoDs, IMP genes e redes Booleanas. Dentre estes problemas, podemos citar (i) o desenvolvimento de algoritmos eficientes para encontrar genes de predição intrinsicamente multivariada; (ii) a procura por genes de predição intrinsicamente multivariada que poderiam levar a descobertas de importantes processos biológicos em determinados organismos ou em certos tipos de câncer; (iii) o estudo para encontrar uma possível relação entre arquitetura de PBNs e CoDs e (iv) a construção de pequenas PBNs a partir de subconjuntos de genes (genes iniciais) envolvidos em relevantes processos biológicos para descobrir novos genes em "pathways" relacionados com os genes iniciais.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Carlos Henrique Aguena Higa - Integrante / Ronaldo Fumio Hashimoto - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.

  • 2004 - 2006

    Coeficiente de Determinação, Redes Booleanas Probabilísticas e Regulação Gênica, Descrição: A tecnologia de "microarrays" tem se mostrado como uma importante ferramenta para a pesquisa genética envolvendo uma grande quantidade de genes. Um problema chave na análise de expressão de genes, a partir de dados provenientes de "microarrays", envolve a predição da expressão de um gene alvo em termos da expressão de outros genes preditores. O coeficiente de determinação (CoD) tem sido usado para medir a qualidade de tais predições. Uma situação particular de configuração de CoDs define o que chamamos de genes de predição intrinsicamente multivariada. Recentemente, um novo modelo foi proposto na direção de fornecer uma visão integrada de como os genes se interagem: Rede Booleana Probabilística (PBN). Como este modelo tem grande potencialidade para explicar a interação de genes dentro de uma célula, é de fundamental importância um estudo em detalhes no sentido de entender resultados experimentais biológicos já conhecidos e/ou fornecer novas hipóteses para verificação experimental. Este projeto de pesquisa tem como interesse principal estudar problemas relacionados com CoDs e com PBNs. Dentre estes problemas, podemos citar (i) o desenvolvimento de algoritmos eficientes para encontrar genes de predição intrinsicamente multivariada; (ii) a procura por genes de predição intrinsicamente multivariada que poderiam levar a descobertas de importantes processos biológicos em determinados organismos ou em certos tipos de câncer; (iii) o estudo para encontrar uma possível relação entre arquitetura de PBNs e CoDs e (iv) a construção de pequenas PBNs a partir de subconjuntos de genes (genes iniciais) envolvidos em relevantes processos biológicos para descobrir novos genes em "pathways" relacionados com os genes iniciais. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Carlos Henrique Aguena Higa - Integrante / Ronaldo Fumio Hashimoto - Coordenador / Edward R. Dougherty - Integrante / Michael L. Bittner - Integrante / Sandro P. Vilela - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro / The Texas A&M University - Cooperação / Translational Genomics Research Institute - Cooperação.

  • 2003 - 2005

    Redes Booleanas Probabilísticas e Bioinformática, Descrição: Um problema chave e importante na análise de expressão de genes a partir de dados provinientes de "microarrays" que pretendemos pesquisar envolve a predição da expressão de um gene em termos da expressão de outros genes. O problema de predição consiste em determinar se um determinado gene está ligado ("up-regulated") ou desligado ("down-regulated") em dependência dos estados ligado e desligado de outros genes. É conhecido na literatura que os coeficientes de determinação (CoDs) [] são uma forma de medir a qualidade de tais predições. Neste trabalho pretendemos estudar algoritmos para a computação e ordenação de CoDs estimados (a partir de dados de "microarrays"). Recentemente, um novo modelo foi proposto na direção de fornecer uma visão integrada de como os genes se interagem: Rede Booleana Probabilística. Como este modelo tem grande potencialidade para explicar a interação de genes dentro de uma célula, tencionamos estudá-lo em detalhes no sentido de entender resultados experimentais biológicos já conhecidos e/ou fornecer novas hipóteses para verificação experimental.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Carlos Henrique Aguena Higa - Integrante / Ronaldo Fumio Hashimoto - Coordenador., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

Seção coletada automaticamente pelo Escavador

Prêmios

2008

Best poster in the Systems Biology Section, X-Meeting 2008, AB3C - Associação Brasileira de Bioinformática e Biologia Computacional.

Histórico profissional

Seção coletada automaticamente pelo Escavador

Endereço profissional

  • Universidade Federal de Mato Grosso do Sul, Faculdade de Computação. , Av. Costa e Silva S/N, Cidade Universitária, 79070900 - Campo Grande, MS - Brasil - Caixa-postal: 549, Telefone: (67) 33457866, URL da Homepage:

Seção coletada automaticamente pelo Escavador

Experiência profissional

  • 2018 - Atual

    Universidade Federal de Mato Grosso do Sul

    Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto IV, Regime: Dedicação exclusiva.

  • 2016 - 2018

    Universidade Federal de Mato Grosso do Sul

    Vínculo: , Enquadramento Funcional: Provessor Adjunto III, Regime: Dedicação exclusiva.

  • 2014 - 2016

    Universidade Federal de Mato Grosso do Sul

    Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto II, Regime: Dedicação exclusiva.

  • 2012 - 2014

    Universidade Federal de Mato Grosso do Sul

    Vínculo: Servidor Público, Enquadramento Funcional: Professor Adjunto I, Regime: Dedicação exclusiva.

  • 2010 - 2012

    Universidade Federal de Mato Grosso do Sul

    Vínculo: Servidor Público, Enquadramento Funcional: Professor Assistente I, Regime: Dedicação exclusiva.

    Atividades

    • 07/2016

      Outras atividades técnico-científicas , UFMS - Faculdade de Computação, UFMS - Faculdade de Computação.,Atividade realizada, Tutor do PET Computação.

    • 01/2011

      Ensino, Engenharia de Computação, Nível: Graduação,Disciplinas ministradas, Fundamentos de Teoria da Computação

    • 01/2011

      Ensino, Análise de Sistemas, Nível: Graduação,Disciplinas ministradas, Fundamentos em Teoria da Computação

    • 08/2010

      Ensino, Ciência da Computação, Nível: Graduação,Disciplinas ministradas, Fundamentos de Teoria da Computação

    • 08/2010

      Ensino, Tec. em Análise e Desenvolvimento de Sistemas, Nível: Graduação,Disciplinas ministradas, Algoritmos e Programação I

    • 08/2010

      Ensino, Tec. em Redes de Computadores, Nível: Graduação,Disciplinas ministradas, Sistemas Operacionais, Algoritmos e Programação I

    • 11/2015 - 12/2017

      Direção e administração, UFMS - Faculdade de Computação, .,Cargo ou função, Membro do Núcleo Docente Estruturante do curso de Tecnologia em Análise e Desenvolvimento de Sistemas.

    • 11/2015 - 12/2017

      Direção e administração, UFMS - Faculdade de Computação, .,Cargo ou função, Membro do Colegiado de Curso do curso de Tecnologia em Análise e Desenvolvimento de Sistemas.

    • 11/2013 - 12/2017

      Conselhos, Comissões e Consultoria, UFMS - Faculdade de Computação, .,Cargo ou função, Presidente da Comissão de Estágio do curso de Tecnologia em Redes de Computadores.

    • 11/2016 - 11/2017

      Conselhos, Comissões e Consultoria, UFMS - Faculdade de Computação, .,Cargo ou função, Coordenador da Comissão Própria de Avaliação - FACOM.

    • 07/2013 - 07/2017

      Conselhos, Comissões e Consultoria, Reitoria da Universidade Federal de Mato Grosso do Sul, .,Cargo ou função, Membro da Comissão Própria de Avaliação - UFMS.

    • 07/2014 - 10/2016

      Conselhos, Comissões e Consultoria, UFMS - Faculdade de Computação, .,Cargo ou função, Membro da Comissão Própria de Avaliação - FACOM-UFMS.

    • 08/2013 - 08/2015

      Direção e administração, UFMS - Faculdade de Computação, .,Cargo ou função, Membro do Colegiado de Curso do curso de Tecnologia em Redes de Computadores.

    • 08/2013 - 08/2015

      Direção e administração, UFMS - Faculdade de Computação, .,Cargo ou função, Membro do Núcleo Docente Estruturante do curso de Tecnologia em Redes de Computadores.

    • 08/2011 - 08/2013

      Direção e administração, UFMS - Faculdade de Computação, .,Cargo ou função, Membro do Colegiado de Curso do curso de Bacharelado em Ciência da Computação.

  • 2006 - 2007

    Faculdade Impacta Tecnologia

    Vínculo: Professor, Enquadramento Funcional: Professor, Carga horária: 8

  • 2004 - 2006

    Universidade de São Paulo

    Vínculo: Bolsista de Mestrado, Enquadramento Funcional: Pesquisador, Regime: Dedicação exclusiva.

  • 2017 - Atual

    Instituto Federal de Educação, Ciência e Tecnologia de Mato Grosso do Sul

    Vínculo: Colaborador, Enquadramento Funcional: Membro de Associação de Proteção Animal

    Atividades

    • 05/2017

      Conselhos, Comissões e Consultoria, IFMS - Campus Campo Grande, .,Cargo ou função, Membro da Comissão de Ética do Uso de Animal - CEUA.

  • 2019 - 2019

    Shanti Bhavan Residential School, SB, Índia

    Vínculo: Voluntário, Enquadramento Funcional: Volunteer Teacher

    Outras informações:
    https://www.shantibhavanchildren.org/ The Shanti Bhavan Children's Project (in Hindi: "haven of peace") is a U.S. 501(c)(3) and India 80-G non-profit organization based in Bangalore, India, that operates a pre-K-12 residential school in Baliganapalli, Tamil Nadu. The school annually enrolls 12 boys and 12 girls (at the age of 4 years old) for its incoming pre-school class. Thereafter, students stay at the school year-round except for summer and winter breaks. Students attend Shanti Bhavan free of charge and are provided with nutritional meals, clothes, shelter, education, healthcare and emotional and mental support. Shanti Bhavan is accredited by the Council for the Indian School Certificate Examinations (CISCE), one of India?s most robust academic curriculum, and administers the ICSE and ISC exams during students' 10th and 12th grades. After students' 12th grade, Shanti Bhavan also pays for their college education.