Avaliação de toxicidade geral em constituintes alimentares utilizando ferramentas in silico

Resumo

O conhecimento preliminar sobre a toxicidade de novas substâncias para uso alimentar pode contribuir com a rápida seleção de substâncias úteis e cada vez mais seguras. Com esse objetivo, um modelo de QSTR (Quantitative Structure-Toxicity Relationship) foi desenvolvido com 139.395 estruturas obtidas a partir de três diferentes listas de substâncias tóxicas (US EPA DSSTox) e atóxicas (FEMA GRAS™ e FDA GRAS). As coordenadas 2D foram obtidas, padronizadas e checadas, resultando em um total de 4.860 fragmentos dos fingerprints definidos por Klekota e Roth, que foram calculados para cada substância, sendo utilizados como variáveis independentes. Os dados foram processados com o objetivo de eliminar as variáveis altamente correlacionadas e os fragmentos com variância próxima a zero, reduzindo o número de fragmentos a 166. As variáveis dependentes consistiram na classificação 0 (atóxicos)/1(tóxicos). Os modelos de classificação foram criados com árvore de decisão usando o algoritmo J48 e árvore aleatória. Já os modelos treino, validação cruzada e validação externa, foram avaliados com base no seu desempenho de previsão. O melhor modelo selecionado foi a árvore aleatória, por obter os melhores valores para validação externa (acurácia = 0,9658; sensibilidade = 0,9798; especificidade = 0,5495; eficiência = 0,7640 e coeficiente phi = 0,4941). O modelo de QSTR desenvolvido pode ser utilizado para prever a toxicidade de novos aditivos alimentares, coadjuvantes de tecnologia de fabricação e nutracêuticos.