Bolsa de TT-IV-A em Espectroscopia Raman de Tecidos Biológicos

Level 4A-Technical Training Fellowship in Raman Spectroscopy of Biological Tissue

Nº: 6848

Área de conhecimento: Física

Field of knowledge: Physics

Nº do processo FAPESP: 2023/04564-8

FAPESP process: 2023/04564-8

Título do projeto: Caracterização fenotípica por microscopia Raman, TERS e SNOM em fibras musculares esquelética de camundongos

Project title: Phenotypical characterization by Raman microscopy, TERS and SNOM in skeletal muscle fibers of mice

Área de atuação: Espectroscopia Raman de Tecidos Biológicos

Working area: Raman Spectroscopy of Biological Tissue

Quantidade de vagas: 1

Number of places: 1

Início: 01/04/2024

Start: 2024-04-01

Pesquisador responsável: Anderson Zanardi Freitas

Principal investigator: Anderson Zanardi Freitas

Unidade/Instituição: Instituto de Pesquisas Energéticas e Nucleares (IPEN)

Unit/Instituition: Instituto de Pesquisas Energéticas e Nucleares (IPEN)

Data limite para inscrições: 31/03/2024

Deadline for submissions: 2024-03-31

Publicado em: 13/03/2024

Publishing date: 2024-03-13

Localização: Av. Prof. Lineu Prestes, 2242 (Centro de Lasers e Aplicações), São Paulo

Locale: Av. Prof. Lineu Prestes, 2242 (Centro de Lasers e Aplicações), São Paulo

E-mail para inscrições: freitas.az@usp.br

E-mail for proposal submission: freitas.az@usp.br

  • Resumo

    Estamos selecionando um candidato para análise de espectros Raman de tecidos biológicos. Para isso, estamos disponibilizando uma vaga para Treinamento Técnico nível Quatro-A (TT-IVA) com Bolsa FAPESP. A bolsa tem carga horária de 40 horas semanais, com duração de 24 meses; os trabalhos serão desenvolvidos no Instituto de Pesquisas Energéticas e Nucleares – IPEN/SP, campus USP/SP.

    O candidato deve ter experiência em técnicas de espectroscopia Raman aplicado a biotônica para tecidos celulares. Experiência em análises estatísticas descritiva e multivariadas, destacando análise de componente principal, e tendo como diferencial análise discriminante por mínimos quadrados parciais (PLS-DA). Deseja-se experiência em programação com linguagem R (ou Phyton) para desenvolvimento de modelos de classificação supervisionados usando Machine Learning.

    Os candidatos devem enviar e-mail para freitas.az@usp.br com os seguintes documentos: 1. Currículo lattes; 2. Breve descritivo das experiências prévias na área do projeto.

    Informações sobre requisitos e benefícios da Bolsa FAPESP TT-IV-A estão disponíveis em https://fapesp.br/3162 e https://fapesp.br/3098.