Monografia
Avaliação de toxicidade geral em constituintes alimentares utilizando ferramentas in silico
Evaluation of general toxicity in food constituents using in silico tools
Registro en:
MASCARENHAS, Reginaldo Matheus Gois. Avaliação de toxicidade geral em constituintes alimentares utilizando ferramentas in silico. 2019. Monografia (Graduação em Farmácia) – Departamento de Farmácia, Centro de Ciências Biológicas e da Saúde, Universidade Federal de Sergipe, São Cristóvão, 2019.
Autor
Mascarenhas, Reginaldo Matheus Gois
Institución
Resumen
Preliminary knowledge about the toxicity of new substances for food use may contribute to the rapid selection of useful and increasingly safe substances. For this purpose, a Quantitative Structure-Toxicity Relationship (QSTR) model was developed with 139,395 structures obtained in three different lists of toxic (US EPA DSSTox) and non-toxic (FEMA GRAS ™ and FDA GRAS) substances. The 2D coordinates were obtained, standardized and checked, and a total of 4,860 fingerprints fragments defined by Klekota and Roth were calculated for each substance and used as independent variables. The data were processed in order to remove highly correlated variables and fragments close to zero variance, reducing fragments to 166. Dependent variables consisted of a binary classification, where zero corresponds to non-toxic whereas 1 corresponds to toxic. The classification models were created with decision tree using the J48 algorithm and random tree. The models (training, cross-validation and external validation) were evaluated based on their predictive performance. The best selected model was the random tree to obtain the best values external validation (accuracy = 0.9658, sensitivity = 0.9798, specificity = 0.5495, efficiency = 0.7640 and phi coefficient = 0.4941). The developed of a QSTR model can be used to predict the toxicity of novel food additives, manufacturing technology adjuvants and nutraceuticals. 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. São Cristóvão, SE