Unint tecnologia i assistència sanitària, el projecte SCENARIOS, finançat per l’Horitzó 2020 de la UE, és pioner en els avenços en l’avaluació de riscos i la salut ambiental mitjançant la combinació sinèrgica de la química computacional, la quimformàtica i l’aprenentatge automàtic amb l’aprenentatge profund. Introdueix eines innovadores per predir les interaccions molècula-objectiu biològic i la citotoxicitat composta, alineant-se amb la visió lliure de toxines del Pacte Verd Europeu. Aquests models combinen la potència computacional amb dissenys centrats en l’usuari, millorant les capacitats de recerca global.

Tots els models estan allotjats a la plataforma Enalos Cloud (figura 1), amb interfícies fàcils d’utilitzar que permeten als investigadors introduir estructures químiques en diversos formats i rebre prediccions de manera instantània. La plataforma és d’ús gratuït i no cal autenticació per accedir a les eines. També hi ha material de formació disponible per ajudar els usuaris a explotar els models. Aquesta accessibilitat subratlla el compromís del projecte per democratitzar les eines computacionals avançades per a la comunitat científica.

A mesura que investiguem més en profunditat les especificitats del projecte SCENARIOS, és essencial reconèixer el seu paper no només a l’hora d’avaluar els riscos d’exposició a llarg termini de les substàncies per- i polifluoroalquils (PFAS), sinó també en l’establiment de nous estàndards per a la gestió del medi ambient i la protecció de la salut. A través de la fusió de l’aprenentatge profund i la investigació científica, el projecte obre el camí cap a un futur on la tecnologia i l’assistència sanitària convergeixen per superar els reptes del present i desbloquejar les possibilitats del demà. Alguns dels desenvolupaments clau realitzats fins ara durant el projecte SCENARIOS inclouen:

Predicció de la potència biològica per als agonistes de PPARδ: seguint les directrius de l’OCDE, aquest model de lectura transversal utilitza dades de bioassaig de PubChem per predir la potència biològica dels nous agonistes de PPARδ, ajudant a la identificació de compostos amb potencial terapèutic (enllaç al servei, enllaç a la documentació).

Molècules petites de predicció d’afinitat d’unió millorada a PPARγ: aprofitant el poder del paquet DeepChem i del marc Keras DL, aquest model prediu l’afinitat d’unió de molècules petites amb el receptor gamma activat per proliferador de peroxisomes (PPARγ), un objectiu d’alta rellevància per a malalties metabòliques ( Enllaç al servei, Enllaç a la documentació).

Predicció de citotoxicitat mitjançant modelització de consens: un enfocament sinèrgic combina prediccions d’aprenentatge profund amb descriptors moleculars, millorant la precisió de les avaluacions de citotoxicitat dels compostos. Aquest model es comunica amb el model d’aprenentatge profund anterior mitjançant les API d’Enalos (figura 3) per integrar l’afinitat d’unió dels compostos a PPARγ per a la predicció de la seva citotoxicitat. Aquest model utilitza metodologies com Random Forest, k-Nearest Neighbors i Support Vector Machine per a prediccions sòlides de consens (enllaç al servei, enllaç a la documentació).

Predicció de molècules petites Solubilitat i factor de bioconcentració: Mitjançant la instància SCENARIOS de la plataforma Enalos Cloud és possible avaluar les propietats i la toxicitat de molècules petites a partir de dos models k-Nearest Neighbors. En detall, els models poden predir la solubilitat en aigua de les molècules i el factor de bioconcentració (BCF). BCF és una mesura del potencial d’una substància química per acumular-se en els teixits dels organismes vius (especialment els organismes aquàtics), que pot provocar efectes nocius sobre ells o sobre l’ecosistema. (Enllaç al servei (logS), Enllaç al servei (logBCF))

Les aplicacions del projecte SCENARIOS podrien contribuir significativament a comprendre i mitigar els impactes ambientals i de salut dels PFAS. Com que els PFAS interaccionen amb biomolècules com PPARα/γ i permeten el seu transport dins del cos, entendre les interaccions PPAR-PFAS pot permetre dissenyar compostos alternatius amb un impacte mínim. En aquest cas, aprofitant els models predictius desenvolupats per avaluar les interaccions i la toxicitat de les molècules petites, els investigadors poden avaluar potencialment els efectes del PFAS sobre les dianes biològiques i la seva citotoxicitat. Aquestes eines ofereixen un enfocament computacional avançat per examinar els compostos de PFAS de manera eficient, predir la seva persistència ambiental i avaluar els seus possibles riscos per a la salut, alineant-se amb els esforços globals per gestionar i reduir l’exposició a PFAS.

En tots els entorns, l’entorn d’entrada és el mateix. La interfície gràfica d’usuari ofereix tres pestanyes que permeten acceptar una o diverses estructures com a entrada en tres formats diferents:

• El camp SMILES (A), que permet a l’usuari enviar les anotacions del ‘Sistema d’entrada de línia d’entrada molecular simplificada’ (SMILES) de diverses molècules petites.
• El camp SDF (B), que permet a l’usuari navegar i carregar un fitxer .sdf (Fitxers de dades d’estructura) que inclou una o més molècules petites.
• El camp Design Molecule (C), que permet a l’usuari dissenyar i enviar el compost químic d’interès mitjançant una eina de dibuix fàcil d’utilitzar.

A continuació, es mostra un exemple per mostrar l’ús de les aplicacions, utilitzant àcid perfluorooctansulfònic, una petita molècula amb PubChem ID: 74483 (https://pubchem.ncbi.nlm.nih.gov/compound/74483).

• Si es coneix la notació SMILES de la molècula, es pot enviar directament a la finestra adequada (figura 4a). En cas que s’hagi d’avaluar més d’un compost, les seves cadenes SMILES han d’estar separades per una nova línia.
• L’usuari també pot carregar el fitxer .sdf del compost d’interès al camp corresponent (Figura 4b). El camp respectiu accepta un fitxer .sdf alhora.
• Al camp del dibuix, l’usuari pot dibuixar fàcilment qualsevol compost químic i després enviar-lo per a la predicció. Hi ha una varietat d’opcions disponibles en aquesta finestra per afegir àtoms, enllaços, anells o cadenes de carboni a qualsevol part de l’àrea de dibuix (Figura 5).

Després de proporcionar les estructures químiques de les molècules, el model predictiu s’aplica a les dades d’entrada i es genera una predicció en qüestió de segons prement el botó “Executar”. Es presenta una taula que inclou el resultat respectiu de la sol·licitud en format de taula. A la figura 6 es presenta un exemple de predicció de citotoxicitat mitjançant modelització de consens.

Per obtenir més informació, poseu-vos en contacte amb NovaMechanics Ltd. a: info@novamechanics.com