Esse projeto é resultado de 5 aulas da Imersão Dados 3 da Alura. Nele, podemos ver algumas análises com base em um conjunto de dados oferecidos pelo Kaggle. Essas análises levaram à construção de modelos de machine learning que nos auxiliriaram a atingir nossos objetivos.
Através de modelos de machine learning, temos dois objetivos:
- Prever se uma configuração de experimento pode ativar 2 ou mais MOA's.
- Prever se no experimento foi ou não utilizado o composto com mais aplicações em todo o conjunto.
Assim, podemos cada vez mais automatizar alguns processos na extensa e delicada função que é a descoberta de novas drogas.
Os dados dizem respeito à 23.814 experimentos em diferentes culturas de células que foram submetias à algum algum composto.
Abaixo temos o que significa cada coluna dos nossos dados:
-
id: identificador do experimento. Esse valor é único, portanto ele não se repete na base de dados.
-
tratamento: diz qual o tratamento utilizado nos experimentos. Pode assumir dois valores:
-
com_droga: a cultura celular foi submitida à um determinado composto (explicitado na coluna composto).
-
com_controle: a cultura celular foi submitida à um tipo placebo. Esse tipo de experimento não altera nenhuma característica do experimento e existe para ser utilizado como parâmetro de comparação para outros experimentos.
| Tratamento | Quantidade |
|---|---|
| com_droga | 21948 |
| com_controle | 1866 |
- tempo: representa o tempo em horas que a cultura celular ficou exposta ao composto. Pode assumir 24, 48 ou 72.
| Tempo | Quantidade |
|---|---|
| 24 | 7772 |
| 48 | 8250 |
| 72 | 7792 |
- dose: representa a dose do composto que o experimento foi observado. Pode assumir D1 (1ª dose) ou D2 (2ª dose).
| Dose | Quantidade |
|---|---|
| D1 | 12147 |
| D2 | 11667 |
-
composto: representa o composto em que a cultura celular foi exposto. Pode-se observar que não trabalhamos com os nomes reais dos compostos, mas sim nomes fictícios.
-
g-x: representa a expressão genética do gene x. Isso significa que, dada a exposição de um composto em uma cultura celular, um a expressão genética de uma célula pode aumentar, aumentando também a produção de determinada proteína, ou pode diminuir, causando o efeito contrário na produção de proteínas da célula. Nesta base, temos 0 a 771 genes.
-
c-x: representa a viabilidade genética, ou seja, quantas células sobreviveram ou não à aplicação do composto. Temos 0 a 99 viabilidades celular na base de dados.