Actividad integradora: auditar y limpiar datos de actividad enzimática¶

Curso: Herramientas Estadísticas y Computacionales para el Análisis de Datos en Investigación Bioquímica
Sesión 1: Introducción a Python y manejo de datos experimentales
Docente: Andrés García Medina
Contacto: andgarm.n@gmail.com

Tiempo sugerido: 60 minutos de trabajo + 30 minutos de discusión
Modalidad: parejas
Entregable: notebook completo, datos limpios, bitácora de datos y una breve conclusión.

Situación¶

Recibiste una tabla de absorbancia a 405 nm procedente de un experimento con cinco niveles de pH, tres temperaturas, tres réplicas biológicas y dos réplicas técnicas. La tabla contiene problemas de captura deliberados.

Tu objetivo no es construir un conjunto de datos limpios (preprocesados) trazable.
Nota: Los datos son sintéticos.

Criterios de trabajo¶

  1. Conserva intacto el archivo de datos crudos. Realiza la limpieza mediante código y guarda el resultado en un archivo nuevo.

  2. Mantén los valores originales. Cuando corrijas o transformes una variable, conserva la columna original y crea una nueva columna con el resultado.

  3. No adivines ni corrijas sin evidencia. Utiliza únicamente el protocolo, la bitácora o el registro de correcciones del laboratorio. Si no existe evidencia suficiente, conserva el valor como faltante y documenta el problema.

  4. Registra cada cambio en una bitácora de datos. Indica la muestra, la variable, el valor original, el valor corregido, la razón del cambio y la fuente que lo justifica.

  5. Verifica el diseño experimental después de la limpieza. Comprueba que continúen representados los tratamientos, las condiciones experimentales y las réplicas biológicas y técnicas esperadas.

In [ ]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

Reto 1. Importación e inventario¶

Importa el archivo crudo en datos_actividad_enzimatica_crudos.csv. Reporta dimensiones, columnas, tipos, valores faltantes, duplicados exactos y duplicados del identificador muestra_id.

In [1]:
# TODO 1: importa y audita la tabla.
# datos_raw = ...
# print(...)

Reto 2. Diagnóstico de categorías y formatos¶

En una base de laboratorio, una columna puede parecer numérica y, aun así, ser importada como texto. Esto sucede cuando contiene unidades, espacios, comas decimales o anotaciones.

Examina valores únicos de ph, temperatura_c, tiempo_reaccion_min y operador. Explica por qué las columnas que deberían ser numéricas pueden haber sido interpretadas como texto.

In [2]:
# TODO 2: muestra valores únicos y formula tu diagnóstico.

Reto 3. Limpieza reproducible¶

Crea datos como copia. Conserva las versiones originales de las columnas problemáticas y genera columnas normalizadas:

  • ph_num
  • temperatura_c_num
  • tiempo_reaccion_min_num
  • operador_limpio
  • absorbancias numéricas con soporte para coma decimal

El valor 120 s equivale a 2 minutos.

In [ ]:
# TODO 3: transforma sin perder los valores originales.

Reto 4. Duplicados y validaciones¶

Elimina solamente duplicados exactos. Después verifica:

  • identificador único;
  • pH entre 5 y 9;
  • temperatura en {25, 37, 45} °C;
  • tiempo de reacción igual a 2 min;
  • absorbancias entre 0 y 2 UA;
  • absorbancia final mayor que la inicial.
In [ ]:
# TODO 4: elimina duplicados exactos y crea indicadores de calidad.

Reto 5. Correcciones con fuente primaria¶

Importa registro_correcciones_laboratorio.csv. Aplica las correcciones por muestra_id y campo. Documenta cuántos valores se corrigieron y de qué fuente procedieron.

In [ ]:
# TODO 5: aplica las correcciones verificadas. No imputes por promedio.

Reto 6. Variable de respuesta¶

Calcula:

$ \text{actividad (U/mL)} = \frac{A_{final}-A_{inicial}}{\text{tiempo (min)}}\times 10 $

La constante 10 es una escala didáctica de este conjunto sintético.

In [ ]:
# TODO 6: crea actividad_u_ml y confirma que no existan valores faltantes.

Reto 7. Comprobar el diseño y visualizar¶

Debe haber seis mediciones por combinación de pH y temperatura (3 biológicas × 2 técnicas). Construye una tabla de conteos y una gráfica exploratoria de actividad por pH, separada por temperatura.

In [ ]:
# TODO 7: tabla de conteos y gráfica.

Reto 8. Exportación y conclusión¶

Exporta:

  • actividad_enzimatica_limpia_equipo.csv
  • bitacora_calidad_equipo.csv

Escribe una conclusión de 100 a 150 palabras que responda:

  1. ¿Qué problemas habrían sesgado o impedido el análisis?
  2. ¿Qué decisiones fueron automáticas y cuáles requirieron una fuente primaria?
  3. ¿Qué evidencia demuestra que el diseño experimental quedó completo?
In [ ]:
# TODO 8: exporta sin sobrescribir los datos crudos.

Conclusión del equipo¶

Escribe aquí tu conclusión.