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.
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.
- fundamentos teóricos;
- plataformas disponíveis;
- estrutura dos dados.
- controle de qualidade;
- normalização;
- redução de dimensionalidade;
- uso do pacote Seurat em R;
- visualização contínua de sinal com PathwaySpace.
- técnicas de deconvolução;
- análise de comunicação celular;
- segmentação celular;
- Referências de análise.
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.
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 |
São recomendados conhecimentos básicos de biologia molecular e de tecnologias de sequenciamento. Experiência prévia com alguma linguagem de programação é desejável, mas não obrigatória.
- 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
-
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
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.
Flávio Gabriel Carazza-Kessler
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.
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.
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.