Dentre as doenças parasitárias, a esquistossomose é um grave mal que assola parte da população mais pobre. Por isso, a pesquisa por novas terapias farmacológicas contra o seu agente etiológico (os parasitas do gênero Schistosoma) é uma atividade de grande relevância social e econômica. Entretanto, está atualmente disponível, na prática, um único fármaco, que já enfrenta problemas contra cepas resistentes. A primeira etapa no processo de pesquisa e o desenvolvimento de fármacos consiste na identificação de compostos com atividade biológica (hits), cujo método comumente empregado é a triagem de uma biblioteca de compostos baseada no alvo ou baseada em fenótipo. Contra as parasitoses, a abordagem fenotípica é muito relevante, graças ao seu maior valor biológico (sistêmico), comparado a um ensaio bioquímico. Além disso, como sua moderna extensão, estão disponíveis métodos automatizados de triagem de alto conteúdo (HCS) em células ou em pequenos organismos. Uma das dificuldades desta abordagem está na insuficiência das ferramentas estatísticas mais difundidas na análise de dados de maior complexidade. Logo, faz-se necessário o desenvolvimento de modelos para uma análise estatística adequada aos dados complexos obtidos experimentalmente, a fim de estimar o efeito do composto no fenótipo do parasito. Desta forma, o objetivo do presente trabalho foi o desenvolvimento de modelos estatísticos para a análise do efeito de compostos candidatos antiesquistossomais, a partir de dados quantitativos de ensaios fenotípicos automatizados, obtidos em Schistosoma mansoni adulto com a tecnologia HCS na plataforma de Bioensaios e Triagem de Fármacos do IOC/FIOCRUZ. A partir da análise estatística exploratória dos dados, pôde-se propor e comparar modelos para a inferência do efeito de cada composto testado, a partir de dados de motilidade do parasita. Foram avaliados modelos lineares generalizados multinível, em busca de adequação à estrutura hierárquica e longitudinal dos dados. Para tornar o modelo mais robusto, foram comparadas duas propostas de inclusão da informação de similaridade química entre os compostos, utilizando o conceito de espaço químico representado por uma rede. O modelo obtido desta forma foi adaptado para servir em tarefas de ajuste de curvas DoseResposta a dados longitudinais; e scripts em R foram construídos com o intuito de permitir a aplicação automatizada futura destes modelos. O melhor modelo univariado proposto neste trabalho foi aquele que assume uma distribuição Poisson Generalizada, onde efeitos aleatórios a nível de verme foram necessários para a construção de um modelo adequado aos dados. Em busca de estender a modelagem anterior para uma análise fenotípica mais ampla, foi realizada uma análise multivariada para testar um modelo preditivo de compostos hits, do tipo árvore de regressão com efeitos aleatórios. Com base em uma análise exploratória inicial, foi feita a transformação e redução de dimensionalidade dos dados. Avaliou-se a possibilidade de discriminar fenótipos diferentes por meio de agrupamento fuzzy dos dados disponíveis. Entretanto, foi possível discriminar apenas dois clusters nesta etapa de agrupamento.