Evaluation of general toxicity in food constituents using in silico tools

O conhecimento preliminar sobre a toxicidade de novas substâncias para uso alimentar pode contribuir com a rapida selecao de substâncias uteis 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 tres diferentes listas de substâncias toxicas (US EPA DSSTox) e atoxicas (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 variaveis independentes. Os dados foram processados com o objetivo de eliminar as variaveis altamente correlacionadas e os fragmentos com variância proxima a zero, reduzindo o numero de fragmentos a 166. As variaveis dependentes consistiram na classificacao 0 (atoxicos)/1(toxicos). Os modelos de classificacao foram criados com arvore de decisao usando o algoritmo J48 e arvore aleatoria. Ja os modelos treino, validacao cruzada e validacao externa, foram avaliados com base no seu desempenho de previsao. O melhor modelo selecionado foi a arvore aleatoria, por obter os melhores valores para validacao externa (acuracia = 0,9658; sensibilidade = 0,9798; especificidade = 0,5495; eficiencia = 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 fabricacao e nutraceuticos.