Nascimento, André Câmara Alves doSantos, Victor Vidal dos2024-05-282024-05-282024-03-08SANTOS, Victor Vidal dos. Avaliação de métodos de imputação de valores ausentes para a predição de interações fármaco-proteína. 2024. 26 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) – Departamento de Computação, Universidade Federal Rural de Pernambuco, Recife, 2024.https://repository.ufrpe.br/handle/123456789/5711Na última década, o estudo de redes farmacológicas tem recebido muita atenção devido à sua relevância no processo de descoberta de medicamentos. Muitas abordagens diferentes para prever interações biológicas têm sido propostas, especialmente na área de aprendizado de múltiplos kernels (MKL). Tais métodos compreendem abordagens integrativas que podem lidar com fontes de dados heterogêneas, mas sofrem com o problema de dados incompletos. Técnicas para lidar com valores faltosos nas matrizes kernel base podem ser utilizadas, geralmente baseadas em técnicas simples, como imputação de zeros, média e mediana da matriz. Neste trabalho, foram avaliadas técnicas de tratamento de valores faltosos no contexto de redes bipartidas. Nossas análises mostraram que, dependendo da quantidade de dados faltantes, a técnica k-NN e SVD teve um desempenho muito melhor do que as outras técnicas, trazendo resultados animadores, enquanto o preenchimento zero apresentou o pior desempenho em relação a todos os outros métodos avaliados26 f.poropenAccesshttps://creativecommons.org/licenses/by/4.0/deed.pt_BRAprendizado do computadorInterações fármaco-nutrientesProteínasDados biológicosMultiple Kernel LearningbachelorThesisAtribuição 4.0 Internacional (CC BY 4.0)https://n2t.net/ark:/57462/001300000gbj3