Predicción de toxicidad acuática de compuestos orgánicos sobre Poecilia reticulata
Archivos
Fecha
2009-06-25
Autores
Perera Sardiñas, Yunier
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central "Marta Abreu" de las Villas
Resumen
El objetivo fundamental de este estudio fue desarrollar relaciones cuantitativas estructuratoxicidad (QSTR) para la predicción de la toxicidad acuática utilizando los índices cuadráticos estocásticos y no estocásticos basados en relaciones de átomos. La bases de datos recopilada de la bibliografía esta formada por 300 compuestos orgánicos, separada en serie de entrenamiento y serie de predicción, para los cuales había sido reportado el valor de toxicidad (Log LC50) acuática sobre el pez Poecilia Reticulata (guppy).
Empleando un análisis de regresión lineal múltiple, dos modelos estadísticamente
significativos, fueron obtenidos con los índices cuadráticos no-estocásticos (R2 = 0.807 y s = 0.649) y estocásticos (R2 = 0.808 y s = 0.636). Para verificar la robustez y
predictibilidad de los modelos empleamos la técnica de validación cruzada, dejando grupo- fuera mostrando valores de q2 = 0.789 (scv = 0.667) y q2 = 0.791 (scv = 0.652) para cada modelo, respectivamente. Adicionalmente, el poder predictivo del modelo fue
analizado empleando una serie de predicción externa donde se obtuvieron valores
significativos de R2 pred de 0.836 y 0.801 para el modelo no-estocastico y estocastico,
respectivamente. Estos resultados nos permiten plantear que índices cuadráticos pueden ser empleados como alternativa para los ensayos experimentales los cuales son altos consumidores de tiempo y dinero además de la necesidad de emplear animales de laboratorio. Finalmente, los modelos desarrollados fueron utilizados para predecir el potencial ecotoxicológico de un grupo de reactivos de la base de datos de ocioso y caducos de la Universidad Central de Las Villas.
The main aim of the study was to develop quantitative structure-toxicity relationship (QSTR) models for the prediction of aquatic toxicity using atom-based non-stochastic and stochastic quadratic indices. The used dataset consist of 300 organic compounds, separated into training and test sets, for which toxicity data to the fresh water fish Poecilia Reticulata (guppy) were available. Using multiple linear regression, two statistically significant QSTR models were obtained with non-stochastic (R2 = 0.807 and s = 0.649) and stochastic (R2 = 0.808 and s = 0.636) quadratic indices. A leave-group-out (LGO) cross-validation procedure was carried out achieving values of q2 = 0.789 (scv =0.667) and q2 = 0.791 (scv = 0.652) for each model, respectively. In addition, an external validation test set was performed, which yields significant values of R2 pred of 0.836 and 0.801, correspondingly. The non-stochastic and stochastic quadratic indices appear to provide an interesting alternative to costly and time-consuming experiments for determining toxicity. Finally, the QSTR models developed in this work were used to predict the ecotoxicological risk of several organics compound of interest.
The main aim of the study was to develop quantitative structure-toxicity relationship (QSTR) models for the prediction of aquatic toxicity using atom-based non-stochastic and stochastic quadratic indices. The used dataset consist of 300 organic compounds, separated into training and test sets, for which toxicity data to the fresh water fish Poecilia Reticulata (guppy) were available. Using multiple linear regression, two statistically significant QSTR models were obtained with non-stochastic (R2 = 0.807 and s = 0.649) and stochastic (R2 = 0.808 and s = 0.636) quadratic indices. A leave-group-out (LGO) cross-validation procedure was carried out achieving values of q2 = 0.789 (scv =0.667) and q2 = 0.791 (scv = 0.652) for each model, respectively. In addition, an external validation test set was performed, which yields significant values of R2 pred of 0.836 and 0.801, correspondingly. The non-stochastic and stochastic quadratic indices appear to provide an interesting alternative to costly and time-consuming experiments for determining toxicity. Finally, the QSTR models developed in this work were used to predict the ecotoxicological risk of several organics compound of interest.
Descripción
Palabras clave
Poecilia Reticulata (guppy), Toxicidad Acuática, Predicción de la Toxicidad, Modelos Predictivos, Forecasting, UCLV