QSAR preliminar de toxicidad mediante un modelo de aprendizaje supervisado en Drosophila melanogaster (Drosophilidae)
Este trabajo fue presentado en el marco del Encontro Científico Brasil–Colômbia por meio da colaboração entre os laboratórios GBi, GIMAI e GTGC
Resumen
Las aproximaciones in silico se han consolidado como herramientas promisorias para la identificación y predicción de riesgos toxicológicos en organismos vivos. Los modelos relación cuantitativa estructura-actividad (QSAR) permiten estimar la actividad biológica de compuestos a partir de sus características fisicoquímicas, facilitando la evaluación de solventes, toxinas, extractos y otros xenobióticos. Sin embargo, la mayoría de estos modelos han sido desarrollados con base en datos de mamíferos, lo que ha limitado su aplicabilidad precisa en otros taxones, especialmente en artrópodos. Drosophila melanogaster, ampliamente utilizada en estudios de biología del desarrollo, genética y toxicología, representa un modelo alternativo valioso debido a su similitud genética, bajo costo y corto ciclo de vida. Sin embargo, a pesar de su uso extendido, aún no se han desarrollado suficientes modelos de toxicología con relación a diferentes pesticidas. En este contexto, se propuso construir un modelo de aprendizaje supervisado empleando datos toxicológicos derivados de 507 bioensayos reportados para Drosophila melanogaster en CHEMBL. Se calcularon 1800 descriptores moleculares con la librería RDkit de Python, incluyendo peso molecular, número de átomos pesados, logP, número de enlaces y área polar superficial. El entrenamiento se realizó con el algoritmo Random Forest Regressor de Scikit-learn. Se consideraron variables como mortality, activity , inhibition, LD50, LC50, LC90, IC50. Los modelos más robustos se obtuvieron para LC₅₀ (R²=0.991), IC₅₀ (R²=0.979) y LD₅₀ (R²=0.949), mientras que mortality (R²=0.431) y activity (R²=0.363) mostraron bajo ajuste debido a la escasez de datos. Estos hallazgos sugieren un alto potencial para desarrollar un predictor de toxicidad específicos en insectos.
Palabras clave: QSAR, toxicidad, insectos, in silico, modelo