Sunteți pe pagina 1din 55

UNIVERSITATEA DE MEDICIN I FARMACIE

"IULIU HAIEGANU" CLUJ-NAPOCA


FACULTATEA DE FARMACIE
DISCIPLINA DE TOXICOLOGIE

LUCRARE DE LICEN
Metode QSAR - Calea spre noi compui cu toxicitate redus

Coordonator tiinific:
Conf. dr. Bla Kiss

Absolvent:
Corina-Ilinca Rducu

2014

Cuprins

Introducere ...................................................................................................................... 4
1.

Rolul metodologiei QSAR n reglementarea evalurii compuilor chimici...... 5


1.1.

Concepte de baz .............................................................................................. 5

1.2.

Utilitatea metodelor QSAR n scop de reglementare........................................ 6

1.3.

Principiile OECD pentru validarea modelelor QSAR ...................................... 7

1.4.

US Food and Drug Administration ................................................................... 7

1.4.1.

Informatics and Computational Safety Analysis Staff (ICSAS) .............. 8

2.

Metodologie ............................................................................................................. 9

3.

Descriptori moleculari .......................................................................................... 12

4.

5.

3.1.

Istoric .............................................................................................................. 12

3.2.

Clasificarea descriptorilor ............................................................................... 13

3.2.1.

Descriptori topologici ............................................................................. 14

3.2.2.

Descriptori derivai din mecanica cuantic ............................................. 15

3.2.3.

Descriptori 3D......................................................................................... 17

3D-QSAR ............................................................................................................... 18
4.1.

CoMFA ........................................................................................................... 18

4.2.

CoMSIA (Comparative Molecular Similarity Analysis) ................................ 20

4.3.

GRID ............................................................................................................... 21

Metode de prelucrare a datelor ........................................................................... 22


5.1.

Metode de prelucrare a datelor pentru modelele de regresie QSAR .............. 22

5.1.1.

Regresie liniar multipl (MLR)............................................................. 22

5.1.2.

Metoda celor mai mici ptrate (Partial Least Squares, PLS) .................. 22

5.1.3.

Reea

neuronal

artificial

unidirecional

cu

retropropagare

(Feedforward Backpropagation Neural Network, FBNN) ..................................... 22


5.1.4.

Reea de regresie neuronal general (General Regression Neural

Network, GRNN) .................................................................................................... 23


5.2.

Metode de prelucrare a datelor pentru problemele de clasificare ................... 23

5.2.1.

Analiza discriminatorie liniar (Liniar Discriminant Analysis, LDA) ... 23

5.2.2.

Regresie logistic (Logistic Regresion, LR) ........................................... 24

5.2.3.

Arbore decizional (Decision Tree, DT) .................................................. 24

5.2.4.

k-Nearest Neighbor ................................................................................. 25


2

5.2.5.

Reea Neuronal Probabilistic (Probabilistic Neural Network, PNN) .. 25

5.2.6.

Main cu suport vectorial (Suport Vector Machine, SVM) .................. 26

6.

Studii QSAR pentru enzime cu implicaii toxicologice ..................................... 27

7.

Studii QSAR ale transportorilor cu implicaii toxicologice .............................. 32

8.

Modele computerizate pentru toxicitatea mediat de receptori ....................... 35

9.

Studii QSAR privind toxicitatea nanoparticulelor ............................................ 38

10. Modele computerizate pentru evaluarea mutagenitii .................................... 41


11. Aplicaii n domeniul dermatotoxicologiei .......................................................... 46
Concluzii ........................................................................................................................ 47
Bibliografie .................................................................................................................... 48

Introducere
Cercetarea n domeniul medical a dus la generarea unei cantiti mari de date.
Stocarea i gestionarea acestora a fost posibil datorit evoluiei n domeniul tehnologic,
ns la momentul de fa nc nu au fost dezvoltate suficiente metode care s gestioneze
aceast informaie n vederea obinerii unui beneficiu maxim. De asemenea n ce
privete industria chimic noi substane sunt sintetizate cu utilizri n varii domenii al
cror risc trebuie evaluat naintea rspndirii lor.
Metodele tradiionale de evaluare a cineticii i farmaco-/toxicodinamicii
substanelor nou sintetizate sunt reprezentate de testele pe animale cu numeroasele
inconveniente legate nu doar de durat i costuri, dar i de anumite aspecte etice n ceea
ce privete modul n care sunt tratate animalele.
Relaiile structur activitate cantitative (Quantitative-Structure-ActivityRelationships-QSAR) stabilesc, pe baza activitii unor substane determinat anterior,
corelaii cu structura chimic. Aceste corelaii sunt utilizate pentru a prezice activitatea
unor compui ce nu au fost nc testai sau chiar sintetizai. Stabilirea unei corelaii ntre
structura chimic a unui compus i activitatea determinat a acestuia implic faptul c
din punct de vedere teoretic activitatea depinde de proprietile ncorporate n (definite
de) structura chimic.
n domeniul dezvoltrii de noi compui cu activitate terapeutic aceste metode
sunt utilizate n cercetare de ctre companiile dezvoltatoare, n prezent existnd i un
cadru legislativ care s permit utilizarea acestor metode n reglementarea substanelor
produse i utilizate n diverse domenii.
n prima partea a acestei lucrri sunt prezentate componentele unui model
QSAR, metodologia de realizare i statutul acestora la nivel de reglementare.
n cea de-a doua parte sunt prezentate utilitatea, aplicaii i particulariti ale
acestor metode n anumite domenii ale toxicologiei.

1. Rolul metodologiei QSAR n reglementarea evalurii compuilor chimici


1.1. Concepte de baz
Cercetarea in domeniul medical n scopul evalurii/optimizrii eficienei
terapeutice, ct i a siguranei, implic experimente pe animale de laborator. Odat cu
nfiinarea asociaiilor pentru bunstarea animalelor (Federaia European a Asociaiilor
n tiina Animalelor de Laborator) a dus la crearea unor legi pentru a asigura
bunstarea animalelor utilizate n cercetare. n Uniunea European a fost adoptat n 22
septembrie, 2010, DIRECTIVA 2010/63/UE a Parlamentului European i a Consiliului
(1), iar n Statele Unite The Animal Welfare Act este un act normativ care abordeaz i
aspectele legate de animalele utilizate n cercetare. Prevederile ghidului privind
protecia animalelor utilizate n scopuri tiinifice Guide for the Care and Use of
Laboratory Animals (2) reprezint referina principal impus n Statele Unite pentru
cei ce utilizeaz animale n scopuri tiinifice, informaiile avnd un suport adecvat din
punct de vedere tiinific, tehnic i uman.
Programele de reglementare a managementului riscurilor utilizrii unor
substane solicit o gam larg de informaii despre proprietile fizico-chimice ale
substanelor, dar i efectul acestora asupra mediului i asupra sntii umane.
n Uniunea European astfel de informaii sunt solicitate prin intermediul a
multiple acte normative, inclusiv REACH (3), directiva privind comercializarea
produselor biodestructive (4), directiva privind produsele fitosanitare (5), directiva n
domeniul apei (6), respectiv regulamentul produselor cosmetice (7). Diferena ntre
aceste acte normative const n volumul i tipul de informaii solicitate.
Evaluarea riscurilor este frecvent dificil datorit unor lacune n ceea ce
privete datele referitoare la riscul de expunere. Astfel din considerente economice
(reducerea costurilor) i privind bunstarea animalelor aceste lacune pot fi acoperite
prin metode alternative de testare. Metodele alternative sunt aa numitele metode
inteligente ca experimentele in vitro i metode ce nu implic testarea, ce au la baz
doar structura chimic a substanei. Potenialele avantaje ale acestor alternative sunt
costurile mai sczute i faptul c ar putea permite reducerea la minim a experimentelor
pe animale. n prezent nu exist ns o abordare uniform/armonizat care s stabileasc
n ce msur acestea pot nlocui informaia obinut din testele experimentale pe
animale. n prezent exist dezbateri n ceea ce privete optimizarea integrrii datelor
5

obinute prin protocoale diferite (alternative), dar pentru moment integrarea unor astfel
de tehnici este doar la nceputuri (8).
Denumirea colectiv a tipurilor de evaluare fr testare experimental este
Metodologia QSAR, care include relaii structur - activitate calitative i cantitative,
relaii activitate - activitate calitative i cantitative i sisteme tip expert. Acestea
reprezint un ansamblu de modele teoretice care pot fi utilizate din punct de vedere
calitativ i cantitativ pentru a prezice proprieti fizico-chimice, biologice (inclusiv
toxicologice), precum i soarta n mediu a unor compui, pe baza structurii chimice a
acestora. Metodele sunt bazate pe premisa c proprietile substanelor depind de natura
substanei i pot fi deduse din structura molecular a acesteia i prin analogie cu
activitatea unor compui similari din punct de vedere structural pentru care activitatea
este cunoscut (8).
1.2. Utilitatea metodelor QSAR n scop de reglementare
Evaluarea n vederea reglementrii utilizrii substanelor chimice implic una
sau mai multe din etapele centralizate n Tabelul I, iar posibilul rol al metodelor QSAR
n aceste cazuri fiind exemplificat n acelai tabel. n prezent informaiile obinute prin
intermediul studiilor QSAR este n general utilizate pentru a susine informaiile
obinute experimental (8).
Tabelul I.
Proceduri de evaluare a substanelor i posibiliti de integrare a metodelor QSAR
Proceduri n evaluarea substanelor
Posibiliti de utilizare a metodelor QSAR
chimice
1) evaluarea riscului (identificare i
caracterizare a relaiei doz-rspuns)
cu posibilitatea de a clasifica sau
eticheta
2) evaluarea expunerii

3)evaluarea riscului pe baza


pericolului i expunerii evaluate

4) identificarea dup criterii formale a


substanelor chimice persistente,
bioacumulative i toxice (PBT) iar n
UE a substanelor foarte
bioacumulative i persistente (vPvB)

Sprijinirea procedurii de stabilirii a prioritilor


( ca baz pentru viitoarele testri)

Sprijinirea unor dovezi aduse prin studii


experimentale sau acoperirea unor lacune prin
informaii noi despre mecanismul de aciune
nlocuirea metodelor experimentale (pe
animale) n msura n care permite cadrul
legislativ, mai conservativ n unele cazuri, i
contextul (existena altor informaii, consecine
posibile n cazul unei predicii incorecte)

1.3. Principiile OECD pentru validarea modelelor QSAR


REACH ofer un cadru flexibil pentru utilizarea metodelor alternative de
evaluare a toxicitii, fiind necesar n principiu respectarea a patru condiii (9):

rezultatele sunt derivate dintr-un model (Q)SAR a crui valabilitate


tiinific a fost deja stabilit;

substana intr n domeniul de aplicabilitate al modelului (Q)SAR;

rezultatele sunt adecvate scopului clasificrii i al etichetrii i/sau al


evalurii riscurilor;

se prezint o documentaie corespunztoare i de ncredere pentru


metoda aplicat;

Valabilitatea tiinific, prima condiie, se stabilete prin validare tiinific.


Pentru a defini clar ce anume implic acest lucru Organizaia pentru Cooperare i
Dezvoltare Economic (OECD) a publicat un ghid practic pentru validarea modelelor
QSAR (10). Pentru a facilita aprobarea metodelor QSAR ca metod alternativ de
testare este de preferat ca acestea s prezinte:

un scop/obiectiv final clar definit;

algoritmul s nu fie ambiguu;

domeniu de aplicabilitate clar definit;

stabilirea unor parametri adecvai de apreciere a capacitii modelului de


fitare a datelor, a robusteii, respectiv a capacitii de predicie;

interpretare mecanistic, dac este posibil.

Aceste principii stau la baza constituirii unui cadru conceptual, ele n sine
nereprezentnd criterii care s asigure acceptarea modelului.
1.4. US Food and Drug Administration
n Statele Unite, prin intermediul Critical Path Initiative, FDA susine i
ncurajeaz colaborarea n vederea modernizrii procesului de dezvoltare i evaluarea a
produselor reglementate de acesta prin intermediul cercetrii orientate spre includerea
metodelor noi de evaluare (statistice, informatice, genomice etc.) n procedurile
standard.
n acest scop, n cadrul organizaiei funcioneaz Informatics and Computational
Safety Analysis Staff (ICSAS), a crui activitate este detaliat (1.4.1), iar n paralel cu
acesta, n domeniul alimentelor funcioneaz Office of Food Additive Safety Structure7

Activity Relationship. Cea din urm pune la dispoziie o baz de date cu informaii
despre toxicitatea unor aditivi alimentari, datele fiind ntr-un format accesibil pentru a
ncuraja utilizarea lor de ctre toxicologi i chimiti n vederea susinerii unor decizii de
reglementare n domeniul siguranei alimentelor.
1.4.1. Informatics and Computational Safety Analysis Staff (ICSAS)
Informatics and Computational Safety Analysis reprezint o unitate n cadrul
Centrului de Evaluare i Cercetare a Medicamentului (Center of Drug Evaluation and
Research) din cadrul FDA (Food and Drug Administration ) care se ocup de cercetare
aplicativ cu scop de reglementare.
Activitile acestei uniti cuprind:

realizarea unei baze de date cu elemente toxicologice i clinice cheie


(efecte toxice i clinice int)

transformarea i utilizarea datelor pentru a stabili reguli ce permit


cuantificarea efectelor toxicologice i clinice

evaluarea programelor informatice (comerciale) pentru relaiile structur


activitate i extragere de informaii din datele existente

colaborarea cu dezvoltatorii de programe informatice n scopul realizrii


programelor de predicie a efectelor toxicologice i clinice prin
intermediul parteneriatelor n scopul cercetrii

reducerea numrului de teste pe animale prin eliminarea testelor care nu


sunt absolut necesare

facilitarea procesului de revizuire a datelor deja acumulate prin


intermediul cercetrii tiinifice

furnizarea de instrumente industriei farmaceutice n scopul mbuntirii


metodelor de identificare i eliminare a produilor cu potenial toxic pe
perioada dezvoltrii unor noi compui

Programele i activitile puse la dispoziie de ctre aceast unitate sunt


disponibile pe pagina ei de internet i cuprind o serie de baze de date cu doze
terapeutice maxime recomandate, efecte adverse hepatice, substane cu toxicitate
genetic, carcinogenitate, toxicitate asupra dezvoltrii, descriptori pentru modelarea
mutagenitii fa de Salmonella, cutare de structuri chimice pe baz de similaritate,
publicaii i alte instrumente utile (11).
8

2. Metodologie
Finalitatea unei metode QSAR reprezint obinerea unei relaii/ corelaii
matematice sau statistice ntre proprietatea biologic i detaliile structurale ale unei
molecule. Pentru realizarea acesteia sunt necesare trei componente schematizate n
figura 1.
Obiectiv final
(proprieti,
efecte)
msurabil
pentru un set de
substane

QSAR
Metod
statistic

Descriptori
moleculari

Figura 1. Componentele unei metode QSAR

Un prim pas n elaborarea unei metode QSAR ar fi alegerea unui efect biologic
i studierea mecanismului de producerea al acestuia, ce structuri biologice sunt
implicate, care sunt condiiile pentru ca acesta s se manifeste, cunoaterea
mecanismului molecular din studii publicate disponibile. Finalitatea acestei etape ar fi
stabilirea obiectivului modelului (defined endpoint), criteriu OECD pentru modelele
QSAR (10).
Avnd n vedere c noul model se va baza pe datele experimentale precedente
acestea trebuie s provin din surse de calitate, altfel vor compromite capacitatea de
predicie a acestuia. Pentru acelai fel de date pot s apar diferene ntre studii, fie
pentru c s-au produs erori la determinarea experimental, fie pentru c determinrile sau fcut printr-un protocol de lucru diferit. Este de preferat ca n cadrul unui model s se
foloseasc date obinute prin acelai protocol de lucru (12). Dup selectarea datelor
acestea contribuie la definirea domeniul de aplicabilitate, un alt criteriu al OECD pentru
9

validarea modelelor QSAR, delimitnd, n funcie de compuii utilizai la realizarea


modelului, domeniul de aplicabilitate al acestuia.
n funcie de metoda prin care se vor prelucra, este necesar obinerea
structurilor chimice ntr-o form standardizat, potrivit pentru programul informatic cu
care se lucreaz, dar i pentru tipul de descriptori ce se vor utiliza. Dac se vor folosi
descriptori derivai din structura tridimensional sau dac este o vorba de o metod 3DQSAR este posibil s necesite prelucrarea structurilor tridimensionale (selectarea
conformeri, alinierea) (13).
Baza de date care este utilizat poate fi mprit ntr-un set de antrenament
(training/learning set) cu ajutorul cruia se va realiza modelul i un set test pentru
testarea modelului. Substanele din setul test nu se utilizeaz n etapa de construire a
modelului, acestea fiind utilizate doar pentru verificarea capacitii de predicie, astfel
se va realiza validarea modelului cu un set de date extern. Utiliznd o metod de
validare ncruciat acest pas nu este necesar, prin aceast metod selectndu-se aleator,
de mai multe ori, un set de antrenament i unul de test pentru care se evalueaz
performana (14).
Etapa urmtoare implic generarea unor descriptori care vor descrie
proprietile structurale de interes pentru producerea efectului biologic. Alegerea
descriptorilor depinde de efectul biologic investigat i de tipul de model n care vor fi
ncorporai, bidimensionale/tridimensionale (15). Frecvent se utilizeaz programe care
vor testa un numr mare de descriptori i vor selecta automat doar pe cei care modific
semnificativ parametrul determinat (prezis). Descriptorii moleculari sunt detaliai n
capitolul 3.
Corelarea descriptorilor moleculari cu efectul biologic investigat se realizeaz
cu ajutorul unei metode de analiz a datelor. n funcie de rezultatul dorit metodele pot
fi metode de clasificare, de mprire a substanelor n mai multe clase sau metode de
tip regresie (16).
Dup ce modelul a fost generat este important s fie evaluat calitatea acestuia,
acest lucru realizndu-se prin intermediul parametrilor statistici ai corelaiei (valori
experimentale valori estimate). Problemele care pot s apar ar fi fenomenul de
suprafitare, existena unui anumit nivel de zgomot, corelaii ntmpltoare (13).

10

Validarea modelului presupune n general examinarea capacitii predictive a


modelului pe datele selectate pentru test. Dup aceast etap modelul poate fi utilizat
pentru evaluarea unor molecule noi.
Pentru evaluarea unor noi molecule cu modelul realizat trebuie n primul rnd
ca acestea s fie n domeniul de aplicabilitate al acestuia, definirea domeniului de
aplicabilitate realizndu-se la construirea modelului; n caz contrar rezultatele obinute
nu vor fi semnificative.
Structurile substanelor pentru care se va prezice activitatea trebuie s fie n
forma corespunztoare pentru a putea fi calculai descriptorii. n funcie de model se vor
clasifica noii compui sau va fi prezis parametrul de interes.
n figura 2 sunt reprezentate sintetic etapele unei analize QSAR.
Realizarea modelului
Structuri chimice
Date
experimentale

Descriptori
moleculari

Analiza statistic a
datelor

Evaluare/predicie
Structuri chimice
Descriptori
moleculari

Model QSAR
Activitate
estimat/ prezis

Figura 2. Schema etapelor unei analize QSAR

11

3. Descriptori moleculari

Descriptorii moleculari sunt reprezentri matematice ale structurii moleculare.


Prin intermediul acestora se dorete extragerea informaiei, de obicei de ordin numeric,
din reprezentarea moleculei (transformarea informaiei chimice n informaie numeric)
i utilizarea acesteia pentru stabilirea unor corelaii cantitative structur chimic
activitate biologic. O substan chimic genereaz un anumit efect biologic prin
intermediul mai multor procese ce depind de caracteristicile sale chimice. Ca urmare,
aceste caracteristici trebuie s fie adecvat incluse n modelul QSAR sub forma
descriptorilor moleculari.
Descriptorii se obin prin aplicarea unui algoritm matematic bine stabilit
pentru anumite molecule n cadrul unei experiment specific. Pentru c au un rol
important n chimie, tiine farmaceutice, toxicologie i protecia mediului, n prezent sau calculat prin metode informatice n jur de 5000 descriptori moleculari utilizai n
principal n cadrul modelelor de corelaie cantitativ structur-activitate (17).
Calcularea descriptorilor se face cu ajutorul unui program informatic iar
moleculele trebuie reprezentate ntr-o forma potrivit pentru ca acesta s le poat
gestiona. Frecvent se folosesc reprezentrile InChI (IUPAC International Chemical
Identifier ), SMILES (Simplified molecular-input line-entry system) sau sdf.
3.1. Istoric
Istoria descriptorilor moleculari este strns legat de dezvoltarea metodelor
(modelelor) de reprezentare a moleculelor. Semnificativ n acest domeniu a fost teoria
lui Alexander Crum-Brown (1861). n cadrul tezei sale de doctorat On the Theory of
Chemical Combination a propus o reprezentare grafic a moleculelor din care se
puteau deduce legturile interatomice i valena atomilor n compuii organici. Mai
trziu Crum-Brown i Fraser au propus corelaia ntre structura unor alcaloizi i
activitatea lor biologic, definit ca o funcie de structura chimic (17).
Un pas important l-a reprezentat munca lui Hammett, care n 1937, pe baza
unor experimente pe derivaii meta i para substituii de acid benzoic a ncercat s
cuantifice influena pe care o au diveri substitueni asupra reactivitii unei substane.
Rezultatul a fost o ecuaie matematic care leag constanta de echilibru sau viteza
12

reaciilor de doi parametri, i anume: constanta dependent de substituent i constanta


de reacie (18).
Primii indici topologici, indicele Wiener i Platt, au fost propui n 1947 pentru
a modela punctul de fierbere.
n anii 60 Hansch n paralel cu Free i Wilson au dezvoltat primele modele
QSAR moderne, pe baza crora s-au dezvoltat modelele QSAR curente. Analiza Hansch
este i n prezent o metod de baz n analiza QSAR. A urmat apoi dezvoltarea a
numeroi descriptori moleculari, majoritatea fiind descriptori topologici, pornind de la
reprezentarea moleculei sub forma unui graf (17).
Descriptorii dezvoltai pe baza teoriei mecanicii cuantice au fost utilizai n
modele QSAR ncepnd cu ani 70. Analiza 3D-QSAR a fost posibil prin utilizarea
coordonatelor spaiale la obinerea descriptorilor geometrici n ani 80. La sfritul
anilor 80 a fost propus o nou metod de descriere a moleculelor prin intermediul
cmpurilor de interaciune intermolecular. Pe baza acestei abordri s-a obinut cmpul
scalar al energiei de interaciune al unei molecule, utilizat pentru prima dat n cadrul
metodei GRID (19) i apoi CoMFA (20).
3.2. Clasificarea descriptorilor
Exist numeroase posibiliti de clasificare ale descriptorilor moleculari. O
variant de clasificare a acestora este proveniena, putndu-se identifica descriptori
experimentali i teoretici. Descriptorii experimentali (de ex. coeficientul de partiie,
polarizabilitatea, momentul de dipol i alte proprieti fizico-chimice) sunt obinui n
urma unor determinri practice iar cei teoretici sunt obinui din reprezentarea moleculei.
O diferen fundamental ntre cele dou categorii o reprezint existena unor erori n
cadrul determinrilor descriptorilor experimentali. Avantajele metodelor teoretice sunt
costurile, durata i accesibilitatea (17).
Avnd n vedere multiplele posibiliti/forme de reprezentare a moleculei,
descriptorii teoretici pot fi clasificai n funcie de acest criteriu, ca descriptori
unidimensionali, bidimensionali sau tridimensionali. Dintr-o structur unidimensional
se pot obine informaii ca: numr de atomi, mas molecular, numr de legturi de
hidrogen etc. Descriptorii 2D sunt de obicei derivai din reprezentarea topologic a
moleculei. Dac se cunoate structura spaial a moleculei se pot calcula/determina
descriptori geometrici, numii i descriptori 3D, pentru c acetia sunt derivai din
coordonatele spaiale (x,y,z) ale moleculei (17).
13

Alegerea descriptorilor moleculari depinde de proprietatea biologic cu care se


vor corela, de ct de bine este cunoscut mecanismul de aciune i de experiena celui ce
selecioneaz descriptorii. Este puin probabil identificarea unor descriptori valabili
pentru orice tip de molecul (15).
O abordare des ntlnit n selecia descriptorilor este aceea de a ine cont dac
n grupul de molecule analizate exist un schelet comun, variabilitatea efectului biologic
fiind pus pe seama diferiilor substitueni grefai pe acesta sau de felul n care
substituenii influeneaz molecula schelet. Dac grupul de molecule analizat este
eterogen i nu se identific un schelet comun, se vor calcula descriptori care vor ine
cont de ntreaga structur (15).
3.2.1. Descriptori topologici
Descriptorii topologici sunt calculai pe baza reprezentrii moleculei sub forma
unei matrici. Matricea este derivat din graful molecular n care vrfurile/nodurile
reprezint atomii iar muchiile reprezint legturile dintre atomi. Graful molecular se
noteaz ca G=(V,E) unde V reprezint vrfurile, atomii, iar E reprezint perechile de
atomi ntre care exist o legtur. n reprezentarea grafului molecular se poate ine cont
de legturile cu atomul de hidrogen sau nu. Pe baza teoriei grafurilor se poate calcula
lungimea unui lan (walk) definit ca o secven de noduri cu proprietatea c oricare dou
noduri sunt adiacente, au o muchie comun, lungimea lanului fiind egal cu numrul de
muchii din lan. Un lan este elementar (path) dac nu conine de mai multe ori acelai
nod, iar mrimea lanului elementar reprezint numrul de muchii din lan (21).
Distana topologic ntre doi atomi (noduri) reprezint cel mai scurt lan
elementar dintre acetia (17).
Prin determinarea unui subgraf comun n cazul a dou molecule se poate
stabilii gradul de similaritate sau deosebire. Subgraful comun de mrime maxim se
noteaz MCS i se poate utiliza pentru a identifica molecule similare, cu efect toxic sau
terapeutic, n bazele de date (21).
Cnd un descriptor topologic se coreleaz cu o proprietate molecular el se
numete indice topologic.

14

Graful
molecular

Matrice
topologic

2
3

Matrice de
adiacen
Matrice de
conectivitate
Matricea
distanelor

Descriptor
topologic
indice
Wiener
indice Radnic
etc.

Figura 3. Schema obinerii descriptorilor topologici


Matricea de adiacen A(G) este matrice ptratic cu dimensiunea N (numrul
de atomi ai moleculei) unde fiecare element Aij este 0 dac ntre atomul i de pe linie i
atomul j de pe coloan nu exist o legtur sau dac i=j altfel valoarea este 1 i
nseamn c ntre cei doi atomi exist o legtur (21).
Matricea de conectivitate C(G) se utilizeaz pentru a indica tipul legturii ntre
atomi, astfel fiecare element Cij poate avea o valoarea de la 0 la 4, semnificnd tipul de
legtur ntre atomul i i j astfel 0-nu exist legtur, 1-legtur simpl, 2-legtur dubl,
3-legtur tripl, 4-legtur aromatic (21).
n matricea distanelor D(G), la intersecia coloanei care reprezint atomul i cu
coloana care reprezint atomul j, elementul Dij va avea valoarea numrului de arce pe
drumul cel mai scurt ntre i i j cnd ij (21).
3.2.2.

Descriptori derivai din mecanica cuantic

Utilizarea descriptorilor derivai din mecanica cuantic se justific atunci cnd


statutul electronic al moleculei este important n raionalizarea mecanismului de
producere a efectului toxic.
O posibil clasificarea a mecanismelor de producere a efectelor toxice, care nu
sunt mediate de receptori, ar fi mprirea acestora n mecanism de tip reacie covalent
i non-covalent. n sistemul acvatic acumularea de substane n membrana celular i
producerea narcozei poate fi interpretat prin mecanism de tip non-covalent, la rndul
su acesta poate s fie de tip polar sau nepolar. Efectele mediate prin mecanism de tip
nepolar pot fi modelate prin evaluarea hidrofobiei (de obicei prin logP), iar pentru cele
de tip polar se utilizeaz descriptori moleculari derivai din mecanica cuantic care
descriu efectul de polarizarea a centrului electromagnetic al moleculei (22).
15

Spre deosebirea de acestea, mecanismul de tip covalent implic formarea de


legturi proteine/ADN i toxic ireversibile, care nu pot fi modelate utiliznd hidrofobia
(atta timp ct este n anumite limite pentru a permite accesul toxicului n celul) i sunt
raionalizate prin reacii de tip electrofil-nucleofil. Electrofilul este toxicul sau un
metabolit al acestuia. Aceste reacii pot fi explicate prin teoria orbitalilor moleculari de
frontier, electrofilii slabi au ELUMO sczut i pot interaciona cu nucleofilii slabi cu
EHOMO nalt. Pentru a calcula aceti parametri se utilizeaz ecuaii complexe din punct
de vedere matematic derivate din mecanica cuantic (22).
Tabelul II. Descriptori derivai din mecanica cuantic frecvent utilizai
Denumire

Definiie

ELUMO

Energia orbitalului molecular liber cu energia cea mai joas

EHOMO

Energia orbitalului molecular ocupat cu energia cea mai nalt

Electronegativitate
=(ELUMO+EHOMO)/2

Duritatea/tria chimic
=(ELUMO-EHOMO)/2

Inversul triei chimice


=1-

Electrofilie
=2/2

Amax

Superdelocalizabilitatea maxim atomic a acceptorilor dintr-o


molecul, superdelocalizabilitatea acceptorului fiind o msur a
capacitii unui atom de a acceapta electroni

Dmax

Superdelocalizabilitatea maxim atomic a donorilor dintr-o


molecul, superdelocalizabilitatea fiind n acest caz o msur a
capacitii unui atom de a dona electroni

AN

Superdelocalizabilitatea atomic a unui acceptor (atomul N) de


electroni

DN

Superdelocalizabilitatea atomic a unui (atomul N) donor de


electroni

16

Principalele tipuri de efecte toxice pentru care s-a dovedit util modelarea prin
intermediul acestui tip de descriptori sunt toxicitatea pentru organisme acvatice,
sensibilizarea cutanat i mutagenitate.
3.2.3. Descriptori 3D
Descriptorii 3D par cea mai natural metod de modelare a interaciunilor
molecul-int, n cazul n care se cunoate structura tridimensional a intei iar
mecanismul de producere a efectului este cunoscut. Acetia sunt derivai din
reprezentarea geometric a moleculei, din coordonate carteziene x, y, z ale unei
reprezentri optimizate ale moleculei modelate pe calculator sau determinate prin
cristalografie (17).
O subcategorie a indicilor 3D sau geometrici reprezint indicii topografici,
care prin analogie cu indicii topologici, sunt calculai pe baza grafului molecular, dar
nlocuind distanele topologice cu distane geometrice. Avantajul acestor tipuri de
descriptori ar fi o cantitate mai mare de informaie i o capacitate de a discrimina, ntre
molecule similare i conformeri, mai mare dect a descriptorilor topologici (17).
Dezavantajul major ar consta n necesitatea optimizrii reprezentrii
geometrice a moleculei, procedeu costisitor ce duce la creterea complexitii problemei
odat cu creterea volumului de informaie.
Indicii sunt calculai de obicei pe baza matricei geometrice, notat G, de
dimensiune AxA, A reprezentnd numrul de atomi ai moleculei. Elementele sunt de
tipul Rij echivalente cu distana geometric dintre atomii i i j (21).

17

4. 3D-QSAR
n cadrul modelelor 3D-QSAR se ncearc stabilirea unei corelaii ntre
structura tridimensional a moleculei de interes i efectul biologic potenial, produs la
interaciunea cu o protein int. Metoda este utilizat cel mai frecvent n design
molecular/obinerea noilor molecule cnd nu este disponibil structura tridimensional
a macromoleculei int. Prevederea activitii biologice a unor compui noi se realizeaz
pe baza unor corelaii ntre activitatea biologic i amprentele spaiale ale unor compui
bine caracterizai din punct de vedere structural i biologic. Practic se dorete corelarea
activitii biologice cu elemente structurale/spaiale care imprim anumite proprieti
eseniale pentru activitatea moleculei, cum ar fi dispoziia steric, lipofilia, interaciunile
electrostatice (23).
Spre deosebire de metodele 2D, metodele care in cont de structura
tridimensional a moleculei pot determina contribuia unor grupri funcionale i pe un
set de date care nu au un schelet comun. Un dezavantaj ns al metodelor 3D este c
avnd n vedere cantitatea semnificativ mai mare de informaie, nu se pot procesa seturi
foarte mari de date (limitat la cateva mii de molecule) (23).
Prima metod 3D-QSAR, numit CoMFA, a fost propus de Cramer n 1988,
fiind utilizat i astzi. Alturi de CoMFA (comparative field analysis) dintre metodele
frecvent utilizate fac parte CoMSIA (comparative molecular similarity indices analysis)
i GRID/GOLPE.
4.1. CoMFA
Metoda CoMFA introdus de Cramer pentru a evidenia afinitatea unei serii de
steroizi pentru globulinele de legare a corticosteroizilor (CBG) i globulinele de legare a
testosteronului (TGB) (20).
Primul pas ntr-o metod CoMFA i, n general la o metod 3D, este etapa de
ajustare/aliniere a moleculelor i selectarea conformailor active. Acest lucru se
realizeaz prin alegerea moleculei cu cea mai bun afinitate pentru o int, selectarea
unei pri rigide, un schelet comun pentru restul moleculelor i alinierea celorlalte
molecule din setul de date de antrenament la aceasta. Aceast etap este critic pentru
obinerea unor modele utile i exist mai multe abordri pentru a realiza acest lucru.

18

Moleculele sunt apoi poziionate ntr-un cmp 3D divizat (grid) unde se vor
calcula pe baza modelului matematic (empiric) 6-12 Lennard-Jones i al potenialului
Coulombic energia de interaciune steric i electrostatic. Proba pentru care sunt
calculate aceste interaciuni mimeaz un carbon hibridizat sp3 ( raz 1.53, sarcin +1).
Corelaia acestor reprezentri cu activitatea se face prin intermediul unei
analize PLS (partial least squares metoda celor mai mici ptrate). Pe baza
coeficienilor obinui n urma analizei PLS se realizeaz harta de contur. n vederea
obinerii acestora informaia se structureaz ntr-o foaie de calcul unde liniile reprezint
fiecare molecul iar coloanele reprezint nodurile analizate. Pentru c variabilele
independente (valorile potenialelor sterice i electrice) depesc numeric numrul
variabilelor dependente (valorile activitii biologice) analiza este efectuat prin
intermediul metodei celor mai mici ptrate (13).
Hrile de contur sugereaz ce fel de modificri structurale, de ordin steric sau
electric (grupare mai voluminoas sau mai puternic ncrcat electric) trebuie efectuate
pentru a mbunti activitatea. Absena semnalrii unei regiuni n hrile de contur nu
nseamn neaprat c modificri n zona respectiv sunt lipsite de semnificaie n
privina activitii biologice, ci doar c acea zon este constant n setul de date (13).
Dei utilizat mai frecvent n designul de noi molecule cu efect terapeutic,
metoda este util i n studii de predicie a toxicitii.

Analiza PLS

Model

Figura 4. Schema etapelor principale ale unei metode 3D-QSAR (13)


19

4.2. CoMSIA (Comparative Molecular Similarity Analysis)


Presupune introducerea unor cmpuri suplimentare, fa de CoMFA, pentru o
analiz mai detaliat a factorilor care determin variaii n activitatea biologic. Etapa
de aliniere a moleculelor n spaiu/3D divizat este comun celor dou metode. Spre
deosebire de aceasta, moleculele sunt evaluate i din punct de vedere al hidrofobiei i al
capacitii de a forma legturi de hidrogen ca donor sau acceptor. Pentru fiecare din
aceste proprieti se calculeaz un indice de similaritate ntr-un anumit punct n spaiul
divizat (13). Determinarea mai multor cmpuri dect n cazul CoMFA nu implic
neaprat o acuratee mai mare a prediciei, dar

permite o mai bun nelegere a

contribuiilor liganzilor la realizarea efectului biologic (24).


n Figura 5 sunt prezentate hri de contur obinute prin CoMSIA realizate
pentru a studia activitatea unor compui fa de receptorul pentru hormoni tiroidieni .
La (a) sunt reprezentate cu verde regiunile favorabile din punct de vedere steric iar cu
galben cele nefavorabile, la (b) sunt reprezentate cu albastru zonele unde ar fi favorabil
existena unor grupri cu caracter electropozitiv, iar n zonele cu rou o grupare cu
caracter electronegativ ar crete activitatea (nu sunt ntotdeauna prezente). La (c) cu
albastru sunt marcate zonele unde existena unei legturi de hidrogen de tip donor ar fi
favorabil, cu mov unde ar fi nefavorabil, iar la (d) n zonele violet ar fi benefic
introducerea unei grupri care s stabileasc legturi de hidrogen de tip acceptor iar cu
rou zonele unde o astfel de grupare ar scdea activitatea (25).

Figura 5. Hri de contur obinute prin CoMSIA (25)


20

4.3. GRID
Alternativ a metodei CoMFA, metoda a fost propus n 1985 de ctre
Goodford pentru a determina situsurile favorabile energetic ale unei macromolecule
int i este utilizat mai rar. Dintre diferenele ce ar putea reprezenta avantaje n
anumite cazuri sunt posibilitatea calculrii valorilor cmpul de interaciune fa de mai
multe probe (grupare amino, oxigen carbonilic, oxigen din gruparea carboxil, hidroxil,
metil i ap) spre deosebire de CoMFA unde proba reprezenta un carbon hibdridizat sp3
i utilizarea unui alt tip de funcii pentru calcularea cmpurilor de interaciune
Aceast metod se asociaz frecvent cu aplicaia GOLPE pentru mbuntirea
analizei statistice a datelor (13).

21

5. Metode de prelucrare a datelor


5.1. Metode de prelucrare a datelor pentru modelele de regresie QSAR
5.1.1. Regresie liniar multipl (MLR)
Reprezint una dintre metodele simple de prelucrare a datelor. Premisa metodei
este c exist o relaie liniar ntre descriptorii moleculari ai substanei, exprimai de
obicei sub forma unui vector x (fiecare descriptor reprezentnd o component a
vectorului) i o proprietate y urmrit. Dac se numeroteaz descriptorii moleculari
X1,....., Xk, iar 1,...,k reprezint coeficienii acestora, ecuaia are forma:
= 0 + 1 1 + 2 2 + +

Valorile lui sunt selectate astfel nct s permit reducerea la minim a sumei
ptratelor distanelor dintre punctele din hiperplan pentru a aduce valoarea sumei totale
ct mai aproape de y. Semnul coeficienilor arat dac descriptorul respectiv
contribuie pozitiv sau negativ la proprietatea int, iar valoarea numeric este direct
proporional cu contribuia adus n descrierea proprietii urmrite.
Modelele create prin aceast metod sunt simplu de realizat i interpretat ns
nu sunt foarte eficiente dac efectul toxic se realizeaz prin mecanisme multiple, lucru
valabil pentru majoritatea metodelor care presupun o dependen liniar (26).
5.1.2. Metoda celor mai mici ptrate (Partial Least Squares, PLS)
Metoda presupune c ntre vectorul de caracteristici (descriptori) x i
proprietatea urmrit y exist o relaie liniar. Spre deosebire de regresia liniar
multipl, regresia PLS se utilizeaz cnd numrul de caracteristici este mult mai mare
dect numrul valorilor pentru proprietatea int y.
O alt premis este c sistemul analizat este influenat semnificativ doar de un
numr redus de factor, numii factori lateni, care explic variaia descriptorilor
moleculari i simultan valoarea pentru proprietatea urmrit (27).
5.1.3. Reea

neuronal

artificial

unidirecional

cu

retropropagare

(Feedforward Backpropagation Neural Network, FBNN)


O reea neuronal artificial este un sistem adaptativ capabil s furnizeze
rspunsuri pentru o problem dup ce a fost antrenat pentru probleme similare. Este
22

alctuit dintr-un set de date de intrare (input layer), un numr variabil de nivele
ascunse (hidden layers) i date de ieire (output layer). O reea de tip feed-forward este
unidirecional, informaia se propag ntr-un singur sens prin reea, de la intrare ctre
ieire
Datele de intrare reprezint descriptorii moleculari, iar datele de ieire o
cuantificare a proprietii urmrite, obinute prin intermediul unei funcii de transfer ce
va transforma suma contribuiilor neuronilor din straturile ascunse ntr-o valoare pentru
neuronul de ieire. Contribuia fiecrui strat este iniial atribuit aleator, apoi verificat
prin propagare n sens invers (backpropagation), ce implic calcularea unor erori i
ajustarea contribuiilor straturilor (26).
5.1.4. Reea de regresie neuronal general (General Regression Neural
Network, GRNN)
A fost introdus n 1991 de ctre Donald Specht pentru a fi folosit n studii de
farmacocinetic. Astfel a fost aplicat pentru prezicerea absorbiei intestinale la oameni,
capacitii de traversare a barierei hematoencefalice, a legrii de albumina plasmatic
uman, a raportului de distribuie lapte matern-plasm i a clearence-ului xenobioticelor.
Este o reea neural artificial cu 4 straturi. Neuronii de intrare, care vor oferi
informaii tuturor neuronilor din straturile pentru stabilirea modelului (pattern layers),
sunt n numr egal cu numrul descriptorilor moleculari utilizai. Numrul neuronilor
din straturile pentru stabilire a modelului (pattern layers) depinde de numrul
compuilor din setul de antrenament (training set). La nivelul acestor straturi prin
aplicarea unei funcii specifice se determin diferena ntre compusul evaluat i
compusul din setul de antrenament. Stratul de nsumare are doi neuroni, valorile
acestora reprezint numrtorul i numitorul ecuaiei ce va estima proprietatea urmrit.
Cel de-al patrulea strat conine neuronul de ieire cu valoarea prezis (26).
5.2.

Metode de prelucrare a datelor pentru problemele de clasificare


5.2.1. Analiza discriminatorie liniar (Liniar Discriminant Analysis, LDA)
Metoda se utilizeaz pentru a separa dou clase de date (categorii) descrise prin

intermediul unui vector de caracteristici. Cele dou clase vor fi separate prin construirea
unui hiperplan definit de o funcie discriminant liniar.
23

L reprezint scorul de clasificare, wi reprezint ponderea atribuit fiecrui descriptor xi.


ncadrarea ntr-una din cele dou categorii se face pe baza valorii lui L, o valoare
pozitiv ncadrnd vectorul de caracteristici x n categoria pozitiv, o valoare negativ
respectiv n categoria negativ (26).
5.2.2. Regresie logistic (Logistic Regresion, LR)
Este o metod similar cu regresia liniar, utilizat pentru a modela
probabilitatea producerii unui eveniment ca o funcie liniar a unui set de predictori
(descriptori moleculari). Proprietatea int este de obicei binar (ex. inhibitor/noninhibitor) sub forma unei funcii:
=

1 + (0 +1 1+2 2++)

unde 0 este interceptul, descriptorii moleculari sunt notai cu x1 pan la xk, iar
cu 1 pan la k coeficienii lor, indicnd contribuia descriptorului molecular la
proprietatea urmrit. n funcie de valoarea funciei (dac este mai mic sau mai

mare dect 0,5) se va ncadra compusul n una din cele dou categorii .

Metoda nu este eficient pentru cantiti mari de date (mai mult de 60000 de

compui) unde raportul compus activ (toxic) compus inactiv (fr toxicitate) este
frecvent sczut (27).
5.2.3. Arbore decizional (Decision Tree, DT)
Un arbore decizional este o structur ierarhic cu noduri i ramuri. Nodurile
sunt de trei tipuri: noduri de baz care nu au ramuri de intrare doar de ieire, noduri
interne care corespund unui descriptor molecular sub forma unei condiii test pentru
selectarea unei ramuri de ieire i nodurile terminale corespund unei proprieti int i
au doar ramuri de intrare.
Avantajul arborilor decizionali este c sunt uor de interpretat mai ales dac au
dimensiune redus, iar performana modelului nu este afectat de descriptori care nu
sunt utili (27).

24

Aplicaii ale acestora sunt selectarea substraturilor citocromului P450 n


vederea metabolizrii (28, 29) sau stabilirea substraturilor, inductorilor i inhibitorilor
glicoproteinei P (30).
5.2.4. k-Nearest Neighbor
Clasificarea prin aceast metod se realizeaz prin msurarea distanei ntre
compusul necunoscut i ceilali compui din setul de antrenament cu caracteristici
similare. Distana msurat este de obicei distana euclidian calculat prin formula:

(, ) = ( )2
=1

unde n reprezint numrul de descriptori, pi i qi descriptorul i pentru compusul


p i q. ncadrarea intr-o categorie se face n categoria compuilor cu descriptorii vecini
cei mai apropiai (distana cea mai mic) .
Valoarea lui k este definit de utilizator, dar n general pentru clasificri binare
se utilizeaz valoarea 3, care reprezint numrul de vecini raportat la care se face
clasificarea (27).n Figura 6 este schematizat cum se schimb clasificarea unui compus
cnd variaz valoarea lui k .

Figura 6. Clasificarea unui compus necunoscut cnd se schimb valoarea lui k (27)
5.2.5. Reea Neuronal Probabilistic (Probabilistic Neural Network, PNN)
Este o reea neuronal n care modelarea se realizeaz cu ajutorul teoriei
probabilitilor. Organizarea neuronilor este similar unei reele de regresie neuronale
generale, dar n stratul de nsumare exist cte un neuron corespunztor numrului de
categorii al clasificrii (26).

25

5.2.6.

Main cu suport vectorial (Suport Vector Machine, SVM)

O main cu suport vectorial este o tehnic modern de clasificare supervizat.


Pentru a realiza o clasificare binar SVM construiete un hiperplan separator optimal i
o margine de separaie (reprezint limea benzii centrat pe planul de separare; practic
introduce o zon de separare ntre obiectele pozitive i cele negative, marginea
reprezintnd distana maxim de la cel mai apropiat exemplu dintr-o clas (pozitiv) la
cel mai apropiat exemplu din cealalt clas (negativ). Generarea planulului se
realizeaz astfel nct marginea s fie maxim, aceasta fiind particularitatea acestei
metode de clasificare. n figura 7 este ilustrat separarea a dou clase (27).

Figura 7. Aplicarea SVM pentru date liniar separabile (27)

26

6. Studii QSAR pentru enzime cu implicaii toxicologice


Majoritatea substanelor medicamentoase odat absorbite n organism necesit,
pentru a putea fi eliminate, transformarea n substane mai hidrofile. n unele cazuri
substana poate fi bioactivat n organism, metaboliii prezentnd un efect toxic. n
ambele cazuri, n aceste procese sunt implicate o serie de enzime mult studiate, datorit
potenialului acestora de a fi implicate ntr-o serie de efecte nedorite n cazul
eventualelor interaciuni sau a producerii de metabolii toxici.
Cercetarea n acest domeniu se axeaz pe descoperirea cilor metabolice de
transformare a moleculelor, a enzimelor implicate i a situs-urilor active. De asemenea,
i metaboliii rezultai sunt de interes, dac sunt biologic activi sau toxici i cu ce vitez
sunt produi.
Sistemul enzimatic al citocromului P450 este responsabil de majoritatea
reaciilor de oxidare microzomale n metabolizarea de faz I a substanelor chimice (31).
Datorit acestui fapt, acesta are un rol important n metabolismul carcinogenelor,
procarcinogenelor i chimioterapicelor utilizate n prevenia i tratamentul cancerului.
Numeroase studii susin rolul enzimelor CYP n formarea i dezvoltarea tumorilor,
cercetarea n acest sens axndu-se pe posibilitatea inhibrii enzimelor CYP (32). Aceste
enzime au fost mult studiate i n vederea stabilirii unor caracteristici pentru substanele
ce reprezint substratul lor sau au capacitate inductoare.
Enzimele sistemului citocrom P450 sunt monooxigenaze, cu structur
hemoproteic i sunt localizate majoritar n reticulul endoplasmatic neted de la nivelul
ficatului, intestinului i rinichiului. Sunt clasificate n 27 de familii, dintre care 4
importante pentru metabolizarea xenobioticelor, cu excepia CYP2 care are 5 subfamilii,
celelalte au doar cte o subfamilie (31).
Au fost construite modele computerizate n ncercarea de a prezice care din
enzimele sistemului va metaboliza o anumit substan, n ce msur i ce fel de
metabolii vor rezulta n urma transformrii (33). Metodele QSAR pentru prezicerea
metabolismului substraturilor i a inhibitorilor proceselor metabolice sunt mai frecvente
i se pot mpri n dou categorii. O parte din metode au ca obiectiv prevederea i
nelegerea proprietilor farmacocinetice (ADMET) n primele etape de dezvoltare a
noilor compui, acestea fiind modele ce ofer o imagine global asupra stabilitii
metabolice i sunt mai greu de interpretat n scop predictiv. O alt abordare a fost
27

construirea unor modele QSAR pe o serie de molecule, similare structural, metabolizate


de o enzim specific, n vederea mbuntirii eficienei unor substraturi sau inhibitori
specifici (32).
n funcie de componenta de la care se pornete, metodele predictive pot fi
clasificate n metode bazate pe studiul liganzilor, al proteinelor/enzimelor sau al
interaciunii ligand-protein/enzim. Metodele bazate pe studierea liganzilor utilizeaz
informaii structurale despre diverse substraturi n cadrul modelelor derivate din
mecanica cuantic, n stabilirea relaiilor cantitative structur-activitate, n studii 3DQSAR i generarea de farmacofori. Dezvoltarea metodelor pornind de la structura
enzimei/proteinei a fost posibil dup obinerea acestora prin cristalografie cu raze X i
include tehnicile de docking/andocare. Cele dou abordri nu se exclud, putndu-se
realiza o sintez a informaiilor despre liganzi i despre proteina cu funcie enzimatic
(34).
Printre primii care au ncercat s prezic afinitatea unor substane pentru
metabolizarea prin intermediul enzimelor CYP 450 au fost Hansch (35) i Lewis, care a
propus mai trziu un algoritm de tip arbore decizional de clasificare a substraturilor,
(Figura 8), n vederea metabolizrii de ctre CYP 450 (28).
Substraturi CYP1, CYP2, CYP3
CR >12

CR <12
Substraturi CYP1

Substraturi CYP2, CYP3


Volum

V mic

V mare

V mediu

Substraturi CYP2E

Substraturi CYP2A, B, C, D

Substraturi CYP3

pKa

slab acid

slab acid

neutru

Substraturi CYP2C

Substraturi CYP2A, B

logP
Substraturi CYP2A

Substraturi CYP2D

logP
logP
Substraturi CYP2B

Figura 8. Arbore decizional pentru selectarea substraturile n vederea metabolizrii CYP P450
(28)

28

n Figura 8, ncadrate n formele dreptunghiulare sunt substraturile CYP,


ncadrarea unui substrat n vederea metabolizrii se face pe baza criteriilor de pe fiecare
ramur, prescurtrile avnd urmtoarele semnificaii: CR evalueaz ct de compact este
compusul prin formula = ( 7)2 +

2 15 , unde a = suprafaa, d =

adncimea, E = descriptor molecular care cuantific diferena de energie ntre orbitalul


molecular liber cu energia cea mai joas i cel ocupat cu energia cea mai nalt (28).
Pentru elaborarea acestui algoritm s-au utilizat date bibliografice, colectate sub
form de valori Km (constante Michaelis Menten) i alte constante fizice considerate
importante. Dintre beneficiile algoritmului de identificare propus de Lewis se pot
meniona evitarea unor substane care au afinitate pentru enzimele CYP2D6 i
CYP2C19, frecvent polimorfe n funcie de etnie. Totodat, este esenial evitarea unor
inhibitori sau inductori puternici ai enzimelor CYP3A, care sunt responsabile de
metabolizarea unui procent crescut de substane (28).
Modele de clasificare au fost elaborate mai recent utiliznd reele neuronale
artificiale cu selecie automat a descriptorilor prin intermediul algoritmilor genetici.
Descriptorii au fost obinui doar din caracteristicile fizico-chimice i reprezentarea
structural. Iniial s-a realizat un arbore decizional simplu, (Figura 9) care pe baza a
trei descriptori a ncadrat substanele ca substrat pentru una din enzimele CYP1A2, 2C9,
2D6 sau 3A4. Principalul avantaj al acestuia este c poate fi interpretat cu uurin (29).
pKa
5,90
GM/100

CYP2C9
> 3,02

a/d2

CYP3A4
> 6,53

CYP2D6

CYP1A2

Figura 9. Arbore decizional pentru selectarea substraturilor n


vederea metabolizrii de ctre CYP450 (29)

29

n Figura 9, formele ovale reprezint caracteristici moleculare sub forma


descriptorilor moleculari, cu urmtoarele semnificaii: GM = greutatea molecular, a/d2
= raportul arie molecular/adncime molecular la ptrat, iar formele dreptunghiulare
reprezint ncadrarea n vederea metabolizrii (29).
Alte dou modele au cuprins n plus ncadrarea substraturilor pentru enzimele
CYP2A6, 2B6, 2C19, 2E1, pentru substane metabolizate de o singur izoenzim CYP
i unul pentru ncadrarea inclusiv a unor compui metabolizai de mai multe izoenzime
ale citocromului P450. Pentru cel din urm au fost evaluate substraturile pentru
enzimele luate n considerare la construirea arborelui decizional i n plus substraturile
pentru CYP2C19 (29).
Modele predictive au fost construite i prin selecia unor date, provenite din
studii clinice, reprezentnd substraturi i inhibitori ai enzimelor CYP2C9, CYP2D6 i
analizarea acestora n vederea identificrii elementelor structurale relevante. Calculele
au fost efectuate cu ajutorul unui program informatic specializat, iar modelul a fost
validat ulterior cu ajutorul unui set diferit de date. S-a stabilit prin analiza statistic,
contribuia diferitelor grupri funcionale la ncadrarea unei substane ca substrat sau
inhibitor, iar modelul a fost testat pe o baz de date extras din EINECS (European
Inventory of Existing Commercial Chemical Substances) (36).
Enzima CYP2D6 este responsabil de metabolizarea a aproximativ 30% din
medicamente frecvent utilizate ca beta blocante, analgezice, antiaritmice, antidepresive,
antipsihotice (12).
S-a elaborat un model QSAR pentru identificarea substraturilor CYP2D6 pe
baza datelor clinice despre 747 de substane chimice, colectate din literatur. Sistemele
utilizate au fost MultiCASE (Tabelul III), Leadscope i MDL. Dup validare
(concordan ntre 71-82%), modelul a fost testat pe o baz de date extras din EINECS,
pentru a estima procentul de substane care reprezint substrat pentru CYP2D6. Avnd
n vedere c exist o mare posibilitate ca aceste substane s existe n mediu, a fost
evaluat importana biologic a CYP2D6 i utilitatea acestui model (37).
Pentru a realiza o optimizare a unor modele ce au ca obiectiv evaluarea
substanelor n vederea metabolizrii prin intermediul aceleiai enzime CYP2D6 au fost
selectate 51 de structuri ale unor substane evaluate n astfel de studii. Selecia datelor a
fost riguroas, avnd ca reper recomandrile OECD, un obiectiv bine definit pentru a
asigura transparena i o baz de date omogen. Datele selectate au fost obinute prin
30

acelai tip de protocol experimental iar rezultatele au fost exprimate prin acelai
parametru, logaritm cu semn schimbat din IC50 (12).
Descoperit cu aproximativ 20 de ani n urm, efectul inhibitor enzimatic al
derivailor furanocumarinici din sucul de grapefruit i alte produse de provenien
vegetal asupra enzimelor CYP3A localizate la nivel intestinal, a fost punctul de pornire
pentru realizarea unui model QSAR pentru a estima efectul inhibitor enzimatic al
derivailor furanocumarinici din alimente, buturi sau suplimente alimentare pe baz de
plante. Pornind de la 37 de derivai cumarinici pentru care s-a evaluat IC50 (concentraia
de inhibitor capabil s inhibe 50% din activitatea enzimatic) la nivelul enzimei
microzomale hepatice testosteron 6beta-hidroxilaz, s-au construit i validat modele de
regresie liniar i multipl pentru a estima capacitatea inhibitoare a altor derivai
furanocumarinici cu utilitatea n special n evaluarea unor posibile interaciuni
medicament-aliment (38).
Au fost generate modele in silico, semnificative din punct de vedere statistic,
pentru a prezice capacitatea inhibitoare a unor substane asupra enzimelor CYP P450 i
determinarea caracteristicilor ce ar permite ncadrarea substanelor ca inhibitori ai uneia
dintre izoformele 1A2, 2C9, 2C19, 2D6. Capacitatea inhibitoare a fost evaluat fie ca
pronunat sau redus pe baza parametrului estimat pIC50. Cercetarea s-a desfurat prin
evaluarea experimental a capacitii inhibitorii a unui grup variat de 1500 de substane
ale companiei AstraZeneca i apoi mprirea aleatorie (70%-30%) n dou grupuri.
Primul grup a fost utilizat pentru realizarea modelului (set de antrenament) iar cel de al
doilea a reprezentat baza de date pe care s-a testat modelul (set test). Pentru realizarea
modelului s-a utilizat o combinaie de descriptori fragmentari i descriptori derivai din
ntreaga structur, iar analiza datelor s-a efectuat aplicnd metoda PLS (39).
Informaiile obinute prin studii QSAR de-a lungul timpului, n special cele
concentrate pe substraturi specifice i serii mici de substane similare, ofer informaii
importante despre enzime i caracteristicile substraturilor. Sridhar et al au publicat o
sintez a astfel de informaii pentru majoritatea izoenzimelor CYP (32).

31

7. Studii QSAR ale transportorilor cu implicaii toxicologice


Biodisponibilitatea (i implicit toxicitatea) unui compus depinde de un numr
mare de factori, n principal de interaciunea compusului cu alte proteine dect inta sa
(non-target proteins). Cele mai importante proteine de acest tip implicate n reacii de
toxicitate i/sau responsabile de biodisponibilitatea sczut a unor molecule sunt
canalele de potasiu modulate de gena hERG (human ether-a-go-go related gene),
complexul enzimatic al citocromului P450 i pompele de eflux MRP ca glicoproteina P
(ABC1) (40).
Glicoproteina P a fost identificat n 1976 de ctre Victor Ling ca fiind
responsabil de o acumulare redus a substanei de interes n celulele ovariene de
hamster chinezesc rezistente la diverse xenobiotice (41). Este o protein de 170kDa
constituit din dou componente omoloage, fiecare component fiind constituit din
ase domenii transmembranare urmate de un domeniu de legare a nucleotidelor localizat
citoplasmatic. Proteina este exprimat fiziologic la nivel hepatic, renal, intestinal, la
nivelul barierei hemato-encefalice i hemato-placentare i o caracteristic important a
sa este diversitatea foarte mare de substraturi i inhibitori. Rolul acesteia este de a
preveni acumularea substanelor strine n interiorul celulei, substane care fac parte din
diverse clase structurale i funcionale (42).
Pn n prezent nu a fost posibil vizualizarea structurii glicoproteinei P umane
cu o bun rezoluie prin cristalografie cu raze X. S-a reuit ns obinerea structurii
enzimei omoloage de origine murin cu o nalt rezoluie (42).
Hiperexpresia glicoproteinei P reprezint cea mai important component
asociat cu rezistena la medicamente n ceea ce privete tratamentul cancerului.
Dezvoltarea unor modulatori ai acesteia au contribuit la restabilirea sensibilitii
celulelor la medicaia utilizat n tratamentul cancerului (42).
i n acest caz metodele computaionale pentru prevederea activitii pot s
porneasc de la liganzi, prin analizarea unor serii omoloage sau pot fi bazate pe
structura transportorului de origine murin deja determinat (43).
Compui macrociclici diterpenici de tipul jatrophane i lathryrane izolai din
specii de Euphorbia, cu un efect puternic inhibitor al glicoproteinei P, au fost analizai
conform metodologiei QSAR pentru a identifica caracteristicile structurale importante
implicate n activitate, urmrindu-se mbuntirea ulterioar a acesteia. Activitatea
32

celor 51 de compui selectai a fost iniial determinat pe o linie celular de la oareci cu


limfom tip T transfectai cu gena uman MDR1. n cadrul experimentelor pe aceste
celule s-a msurat acumularea intracelular de 123-rodamin, substrat fluorescent
analog al epirubicinei. Selecia descriptorilor relevani s-a realizat automat, iar datele au
fost analizate prin regresie liniar multipl. Interpretarea descriptorilor selecionai ca
fiind relevani ofer informaii despre schimbrile structurale favorabile pentru
activitate (42).
Pentru a nelege interaciunile complexe care au loc ntre inhibitorii
glicoproteinei P, au fost preluate valori experimentale pentru 129 de compui din studii
care au folosit acelai protocol pentru obinerea datelor experimentale. Acestea au fost
analizate prin metoda 3D-QSAR pentru a identifica gruprile cu rol farmacofor.
Rezultatele au indicat ca fiind relevante pentru efectul inhibitor dou grupri hidrofobe
i dou legturi de hidrogen de tip acceptor, dar trebuie inut cont i de rolul mrimii
moleculei (44).
n realizarea unui model QSAR de clasificare se utilizeaz frecvent o singur
metod de analiz a datelor sau chiar un singur tip de descriptori ns au fost propuse i
metode combinatoriale de clasificare a substraturilor i non-substraturilor care au testat
combinaii ntre patru tipuri de analiz a datelor cu patru tipuri de descriptori. Toate
modelele au clasificat cu acuratee crescut compui din setul de antrenament dar nu au
avut aceeai performan la clasificarea compuilor din setul de testare. Performana
modelelor a fost estimat prin parametrul grad (%) de clasificare corect (Corect
Classification Rate-CCR) care ine cont de numrul de substraturi, non-substraturi i
de numrul de compui clasificai corect ca substrat i ca non-substrat (45).
Majoritatea compuilor cu nucleu steroidic pot fi transportai de glicoproteina P,
alii n schimb pot interaciona i inhiba activitatea acesteia, afectnd farmacocinetica
altor substane. n cazul medicamentelor utilizate n tratamentul cancerului acetia ar
putea fi utilizai pentru a scdea rezistena la tratament. Prin internediul metodei
CoMSIA au fost identificate caracteristici structurale, specifice acesteia care
difereniaz substraturile de inhibitori pe un set de compui cu activitate demonstrat
experimental (46).
Cheng et al. au propus o metod rapid de identificare a substraturilor i a
inhibitorilor glicoproteinei P pe baza datelor din literatur. Ulterior au testat modelul pe
o baz proprie din care au selectat 7 inhibitori pentru a confirma rezultatele print-un test
33

n vitro. Cei 7 inhibitori sunt molecule folosite n terapie (acitrein, colecalciferol,


misoprostol, nafticilina, repaglinid, salmeterol i telmisartan) pentru care nu existau la
momentul respectiv studii c ar avea afinitate pentru glicoproteina P. Modelul ar fi util
pentru a depista eventuale interaciuni medicamentoase i selectarea n vedere testrii
unor compui noi ca inhibitori ai glicoproteinei P (47).
Inhibitori ca verapamil i ciclosporin au efecte secundare semnificative la
doza necesar pentru a inhiba activitatea glicoproteinei P concomitent cu terapia
antitumoral. Utilizarea inhibitorilor de generaia a doua ca dexverapamilul reprezint o
alternativ mai eficient i cu toxicitate mai redus, dar are dezvantajul producerii unor
interaciuni medicamentoase pentru c sunt metabolizate de enzimele citocromului P450,
izoenzima CYP3A. Flavonoidele sunt considerate o nou clas de inhibitori care
interacioneaz cu domeniul de legare pentru nucleotide i ar avea avantajul de a fi
lipsite de efecte adverse. Prin metoda 3D-QSAR i docking/andocare s-au obinut
rezultate ce pot fi utilizate n dezvoltarea unor noi molecule (48).
n prezent un numr limitat de modele in silico sunt satisfctoare, un obstacol
major reprezentndu-l calitatea i cantitatea datelor experimentale public disponibile. O
alt dificultate o reprezint numeroasele posibiliti de legare i diversitatea structural
mare a liganzilor, fiind dificil realizarea unui model global care s in cont de mai
multe mecanisme de legare (49).

34

8. Modele computerizate pentru toxicitatea mediat de receptori


Proteinele receptor iniiaz rspunsul celular la legarea liganzilor endogeni
(hormoni i neurotransmitori). Modificrile fizico-chimice sau comformaionale ale
receptorului declaneaz procese de transcripie ce vor genera schimbri fiziologice.
Medicamentele i substanele prezente n mediu prezint grupri similare cu
farmacoforii substanelor endogene putnd simula efectul generat de acestea .
Substanele pot funciona n relaia cu receptorii ca agoniti, antagoniti, corepresori sau co-activatori, acestea din urm fiind studiate mai puin prin metode
computaionale. Datorit acestor proprieti, anumite substane au fost asociate cu
dezvoltarea cancerelor hormon dependente, toxicitate asupra dezvoltrii sau
neurotoxicitate. De o atenie sporit au beneficiat n special receptorii pentru estrogeni
(ER), androgeni (AR), AhR (receptorii arilhidrocarburilor), PPAR (receptorii activai de
proliferatori ai peroxizomilor) i PXR (receptorul pregnan X) (50). Receptorii implicai
n toxicitatea unor substane prezente n mediul nconjurtor sunt mai frecvent receptorii
pentru estrogeni i androgeni, receptori tiroidieni i receptorul AhR .
National Center for Toxicological Research este un centru pentru cercetri n
domeniul toxicologiei al FDA. n domeniul substanelor perturbatoare endocrine acesta
pune la dispoziie o baz de date cu activitatea unor astfel de substane evaluat pe
citosol uterin de oarece. Informaiile oferite sunt adaptate pentru a putea fi preluate i
utilizate n studii QSAR. Este ns posibil ca nu ntotdeauna informaiile din mai multe
baze de date s se suprapun 100%, fapt ce poate influena calitatea unui model QSAR
(51).
Pentru a evalua o baz de date cu un numr mare de compui se preteaz
utilizarea unui model binar de clasificare care s disting dac un compus are afinitate
sau nu fa de un anumit receptor. Cel mai important parametru al unei astfel de
determinri este sensibilitatea, capacitatea de a detecta compuii cu potenial afinitate
fa de receptor, o sensibilitate sczut nsemnnd un numr semnificativ de fals
negativi. O astfel de metod poate fi aplicat n vederea seleciei substanelor pentru
evaluare ulterioar prin teste suplimentare (52).
Estrogenii reprezint compui steroidici care funcioneaz n principal ca
hormoni feminini, fiind implicai n dezvoltarea caracterelor secundare specifice.
Receptorii pentru estrogeni sunt receptori nucleari, localizai intracelular, care
35

funcioneaz ca factori de transcripie i sunt de dou tipuri, ER i ER. Diferena ntre


cele dou tipuri este distribuia tisular diferit, selectivitatea pentru anumii ligazi i
influena asupra transcripiei n momentul activrii receptorilor (agonist, antagonist),
ndeplinind n consecin roluri biologice diferite (50).
O varietate de substane din mediu prezint activitatea demonstrat de tip
agonist/antagonist fa de aceti receptori, ceea ce a dus din 1995 la modificarea
legislaiei n vederea monitorizrii potenialei activiti estrogenice/antiestrogenice
naintea producerii sau utilizrii anumitor substane. Metodele QSAR pot reprezenta un
instrument util pentru a stabili prioritatea n vederea efecturii unor teste suplimentare in
vitro i in vivo i o variant puin costisitoare pentru a estima potenialul perturbator
endocrinian unor astfel de substane asupra a diverse specii de animale (53).
n ce privete cercetarea interaciunii substanelor cu ER aceasta este orientat
fie pe optimizare n vederea seleciei unor liganzi cu afinitate crescut fa de ER/ fie
ncercri de a prezice activitatea estrogenic a diferii compui prezeni n mediu n
general fa de ER. Evaluarea activitii compuilor din mediu prin studii QSAR se
poate realiza pentru fiecare clas (chimic) de compui, obinndu-se o ecuaie uor de
interpretat, dar cu domeniu de aplicabilitate limitat sau realizarea unui model ct mai
complet care s includ mai multe clase de compui, dar care este mai dificil de
interpretat (50).
Hormonii androgeni i receptorii acestora sunt implicai n patologia cancerului
de prostat. Multe din substanele din mediu interacioneaz cu receptorii androgeni ca
antagoniti, influennd echilibrul hormonal (41), puine molecule au fost ns
identificate ca avnd activitate de tip agonist fa de AR i sunt puine studiile care
urmresc estimarea potenialului toxic al unor astfel de substane (50).
Producia de compui bifenil policlorurai (PCB) a fost interzis n majoritatea
rilor de la sfritul anilor 1970. Derivaii lor hidroxilai (OH-PCB) sunt compui
hidrofili rezultai n urma metabolizrii lor i pot interaciona cu proteinele din snge,
inclusiv cu transtiretina, protein prezent i n lichidul cefalo-rahidian care leag
tiroxina i retinolul. Prezena acestor compui a fost raportat n sngele i esutul
adipos uman i animal, fiind corelat cu activitatea fa de ER, TR, AhR, AR prin studii
in vitro. Avnd n vedere numrul mare de astfel de compui, unii obinndu-se dificil
n stare purficat, evaluarea print-un astfel de protocol ar fi dificil, justificndu-se
astfel utilizarea unor metode QSAR. n vederea realizrii modelelor 3D-QSAR, unde
36

alinierea moleculelor reprezint o etap critic, conformaiile active au fost selectate fie
pe baza ligandului cu cea mai mare afinitate, fie dup o prealabil investigare a modului
n care anumii liganzi interacioneaz cu receptorul prin metode de docking/andocare i
dinamic molecular (MD) (25, 54).
Receptorii tiroidieni (TR) sunt implicai n dezvoltare i homeostazie prin
reglarea unor gene la nivelul musculaturii intestinale, scheletice, cardiace, la nivel
hepatic i sistem nervos central care influeneaz metabolismul, nivelul de colesterol si
trigliceride sau frecvena cardiac. Acetia sunt de dou tipuri, TR i TR, cu
izoformele TR1, TR2 i TR1, TR2.
Toxicitatea compuilor de tip dibenzo-p-dioxin policlorurai (PCDD) i bifenil
policlorurai coplanari larg rspndii n mediu a fost corelat cu o multitudine de efecte
toxice (toxicitate hepatic, porfirie, clor acnee, leziuni dermice, efecte endocrine,
imunotoxicitate, scdere n greutate, leziuni gastrice, teratogenitate, carcinogenitate)
despre care se susine c ar fi mediate de interaciunea acestora cu receptorul AhR. Din
acest motiv, datorit numrului mare compui de acest tip i a lipsei de informaii
detaliate despre structura receptorului AhR se justific utilizarea metodelor QSAR
pentru investigarea interaciunii cu receptorul (55).
Substanele ignifuge bromurate sunt o variant ieftin pentru a reduce
inflamabilitatea unei game largi de obiecte. Din punct de vedere chimic acestea sunt
derivai polibromurai de difenil eter (PBDE). n timp, acestea se pot scurge sau evapora
din produsele n care au fost utilizate i datorit proprietilor fizico-chimice se pot
acumula n mediu i n organismele vii. Prin metabolizare se transform n derivaii lor
hidroxilai OH-PBDE ce pot intra n competiie cu hormonii tiroidieni pentru legare de
transtiretin, putnd produce astfel dezechilibre n organism. Comisia European
recomand evaluarea posibilelor efecte ale acestor substane, dar avnd n vedere
numrul mare de compui, timpul i costurile testelor pe animale, metodele QSAR se
pot dovedi utile n a selecta compuii cu risc crescut. n combinaie cu tehnicile de
docking/andocare i dinamic molecular (molecular dynamics) se poate obine o mai
bun cunoatere a interaciunilor la nivel molecular (25).
VirtualToxLab este un instrument pentru evaluare in silico a potenialului
perturbator endocrin al unor subtane chimice (sintetice, naturale) bazat pe un protocol
n totalitate automatizat care calculeaz afinitatea de legare a moleculei fa de o serie
de 12 proteine, printre care AR, ER/, TR / sau AhR (56).
37

9. Studii QSAR privind toxicitatea nanoparticulelor


n context chimic, prefixul nano descrie particule cu diametru 100nm, iar
cnd acestea sunt sintetizate pentru a fi utilizate n diverse produse sunt numite
nanomateriale (57). n comparaie cu formele uzuale, sunt dezvoltate tot mai multe
aplicaii noi pentru acestea, iar odat cu utilizarea tot mai frecvent se pune problema
evalurii riscului care l prezint astfel de materiale pentru sntatea uman i mediu.
Adaptarea metodelor QSAR, cu denumirea de nano-QSAR, pentru evaluarea toxicitii
acestor compui se justific din punct de vedere al costurilor i timpului mai sczut n
comparaie cu experimentele pe animale (58). Toxicitatea acestui tip de compui nu
poate fi evaluat prin extrapolarea proprietilor substanei observate n studii efectuate
pe formele clasice (microparticule, macroparticule).
Datorit dimensiunii reduse, nanoparticulele pot s strbat pielea, mucoasa
olfactiv sau bariera hemato-encefalic ca apoi s se acumuleze la nivelul unor organe.
Studiile au demonstrat prezena acestora la nivel mitocondrial, vezicule lipidice,
fibroblati, nucleu sau macrofage. Tot datorit dimensiunii reduse, raportul
suprafa/volum este crescut i odat cu acesta crete i posibilitatea ca particulele s
interacioneze cu moleculele endogene. O mare parte din efectele toxice ale
nanoparticulelor sunt datorate generri de specii reactive de oxigen i stres oxidativ cu
producerea inflamaiei. Stresul oxidativ cauzat de nanomateriale a fost corelat cu
afectare pulmonar, cardiovascular, citotoxicitate, genotoxicitate sau neurotoxicitate
(57). n figura 10 sunt prezentate schematic informaii privind toxicitatea
nanoparticulelor din diverse tipuri de studii (59).
Descriptorii moleculari cuantific proprietile responsabile de efectul toxic, n
cazul nanoparticulelor fiind importante mrimea particulei i distribuia mrimilor,
starea de aglomerare, forma, structura cristalului, compoziia chimic, aria suprafeei,
proprietile chimice ale suprafeei, sarcina suprafeei, proprieti electrice (reactivitate,
conductivitate, energie de interaciune), porozitate. n cazul nanoparticulelor, o parte din
astfel de informaii se pot obine prin prelucrarea imaginilor obinute cu ajutorul
microscopului electronic cu transmisie, iar proprietile electrice pot fi descrise utiliznd
descriptori derivai din mecanica cuantic dup optimizare (60).

38

Figura 10. Ci de expunere la nanoparticule, organe afectate i patologii asociate


conform datelor epidemiologice i a studiilor in vivo i in vitro (59)
Un model nano-QSAR a fost realizat pentru evaluarea citotoxicitii
nanoparticulelor de oxizi metalici pe baza rezultatelor experimentale pe Escherichia coli
sub forma parametrului EC50 (concentraia medie care determin reducerea cu 50% a
bacteriilor viabile). Chiar dac este vorba de un organism unicelular, informaiile pot fi
extrapolate la organisme mai complexe, iar aciunea toxic pentru bacterii poate fi un
indicator ecologic pentru a evalua persistena si impactul asupra mediului cu consecine
asupra omului. Estimarea citotoxicitii s-a realizat pe baza unui singur descriptor
molecular, HMe+, care reprezint entalpia de formare a cationului n stare gazoas cu
acelai numr de oxidare ca al metalului sub form de oxid (61).
Un studiu mai recent a evaluat citotoxicitatea unor nanoparticule de oxizi
metalici, pe o linie celular de keratinocite umane, ca un model de expunere dermic la
acestea. Un alt obiectiv a fost demonstrarea i explicarea mecanismului toxic diferit al
nanoparticulelor la celule eucariote fa de procariote, prin comparaie cu studiul descris
39

anterior, de evaluare a citotoxicitii pentru Echerichia coli. Mecanismul prin care se


produce citotoxicitate este generarea de specii reactive de oxigen la ambele tipuri de
celule, dar datorit organizrii diferite ale celor dou tipuri, apoptoza survine pe ci
diferite. n cazul procariotelor apoptoza este indus de afectarea ADN-ului spre
deosebire de eucariote unde este indus de afectarea mitocondrial (60).
Datele experimentale din cadrul a cinci studii de tipul nano-QSAR au fost
preluate pentru realizarea unor noi modele printr-o tehnic de nvare automat
(machine learning). Primul studiu a testat 51 de nanoparticule care conin metale pe 4
linii celulare (celule endoteliale, celule de musculatur neted, monocite, hepatocite),
pentru fiecare determinndu-se cantitatea de ATP, speciile reductoare, apoptoza
mediat de caspaz i potenialul membranar al membranei mitocondriale. Al doilea
studiu a evaluat cantitatea de nanoparticule preluat de celule pancreatice canceroase cu
ncadrarea n dou clase, pozitiv respectiv negativ, n funcie de o anumit valoare prag.
Cel de-al treilea studiu a fost cel care a evaluat citotoxicitatea fa de Escheria coli,
prezentat anterior. Al patrulea studiu a furnizat date experimentale privind
citotoxicitatea unor nanotuburi de carbon cu suprafaa modificat prin evaluarea
activitii dehidrogenazei mitocondriale. Ultimul studiu a evaluat afinitatea a 48 de
fulerene fa de proteaza virusului HIV1 prin tehnici de molecular docking/andocare.
Conform parametrilor statistici modelele realizate prin aceast metod au fost
superioare celor din studiile iniiale (62).

40

10. Modele computerizate pentru evaluarea mutagenitii


n contextul dezvoltrii rapide, a creterii exponeniale a costurilor i
progresului n domeniul industriei farmaceutice investitorii nu i mai pot permite s
piard sume importante de bani i timp n dezvoltarea unor produse farmaceutice care s
nu fie mai apoi puse pe pia, genernd profit. O strategie n dezvoltarea unor noi
substane

este

proiectarea

unor

compui

pentru

anumite

inte

(farmacologice/terapeutice) care nu sunt nc bine descrise sau identificarea unor


substane cu efect terapeutic i ct mai aproape de ideal n ce privete proprietile
farmacocinetice i toxicologice (ADMET).
n domeniul toxicologiei, o problem important o reprezint evaluarea
genotoxicitii, mai ales a mutagenitii compuilor nc din primele etape ale
dezvoltrii unui nou produs. Aceasta reprezint o problem important avnd n vedere
c puine substane cu caracter mutagen vor intra n faza de testare clinic, excepie
fcnd doar substanele citotoxice utilizate n tratamentul cancerului, unde beneficiul
poate fi mai important dect riscul asociat.
Pentru prevederea mutagenitii cu ajutorul metodelor computaionale exist n
general dou strategii, prin intermediul relaiilor cantitative structur-activitate sau prin
utilizarea unor aa numite sisteme expert, bineneles cu posibilitatea de a combina cele
dou abordri. Fiecare din aceste abordri are un anumit nivel de succes n a estima o
caracteristic toxicologic (63).
Abordarea problemei din perspectiva metodologiei QSAR se face cu rezultate
bune mai ales cnd se investigheaz un mecanism sau o int specific. Pe de alt parte
sistemele de tip expert, bazate pe reguli, sunt mai potrivite pentru a oferi o imagine
global. Acestea din urm sunt mai potrivite n cazul unui mecanism multiplu sau
necunoscut. Sistemele hibrid, care reprezint o combinaie ntre cele dou au fost
dezvoltate pentru a compensa lipsurile fiecreia (63).
Metodele QSAR implic determinarea descriptorilor moleculari derivai din
reprezentarea structural ca: numr de legturi cu rotaie liber, halogeni, atomi cu mas
molecular mare, LUMO (lowest unoccupied molecular orbital), hidrofobicitate (logP).
Datele sunt de obicei analizate prin regresie liniar multipl, descriptorii identificai
fiind selectai i clasificai, prin atribuirea unei valori numerice, pentru a realiza o ct
mai bun corelaie cu proprietatea descris, n acest caz mutagenitatea. Modele de acest
41

tip se preteaz cel mai bine pentru evaluarea ulterioar a unor compui cu potenial
mutagen necunoscut (63).
Un sistem de tip expert se realizeaz pe baza unui fond colectiv de informaii
obinute din mai multe cercetri n acelai domeniu. Pe baza acestor informaii se
stabilesc reguli privind substanele pentru care a fost identificat o corelaie de tipul
cauz-efect.

Prin intermediul unei astfel de analize se obine un rspuns binar,

compusul are/nu are un anumit fragment identificat ca fiind responsabil de (implicat n)


efectul toxic. Un exemplu de tip de regul inclus intr-un sistem expert ar fi dac
compusul are o grupare anilinic i activarea metabolic este posibil atunci compusul
este genotoxic altfel nu este genotoxic. Rspunsul de tip binar ar putea reprezenta un
dezavantaj al acestui tip de sistem, dar avantajul ar fi c rspunsul este bazat pe un
mecanism specific i permite interpretare relativ uoar a problemei ce trebuie
remediat. ntr-un model QSAR, dei matematic se cunoate contribuia descriptorilor,
uneori este dificil de interpretat ce modificri trebuie aduse (63).
Cel mai important element n construirea unui model QSAR l reprezint
calitatea i cantitatea datelor utilizate la realizarea modelului. Pentru evaluarea
mutagenicitii se utilizeaz frecvent testul Ames, bazat pe o mutaie n sens revers a
unor sue de Salmonella typhymurium histidin-dependente. Datele provenite din astfel
de teste reprezint o bun surs pentru realizarea unui model predictiv i sunt
disponibile pe internet (64, 65).
Pentru fiecare din cele trei abordri, QSAR, sisteme expert sau o combinaie
ntre cele dou, exist aplicaii informatice disponibile pe internet. Cele mai utilizate n
acest domeniu sunt: TOPKAT (Toxicity Prediction by Komputer Assisted Technology),
DEREK (Deductive Estimation of Risk from Existing Knowledge) i MCASE (Multiple
Computer Automated Structure Evaluation). n

Tabelul III sunt prezentate cteva

particulariti ale acestor aplicaii. Toate cele trei aplicaii au fost realizate utiliznd
categorii de compui diferite structural, din punct de vedere chimic, pentru a acoperi
mai multe mecanisme biologice. Datele au fost preluate din literatur i nu includ
compui utilizai n scop terapeutic, astfel utilizatorul trebuie s ia n considerare c n
eventualitatea unei predicii negative (substan fr efect mutagen) aceasta ar putea
reprezenta un fals negativ datorit unei limitri n varietatea de substane cu care s-a
realizat modelul. Nici una din aplicaii nu ine cont de chiralitatea moleculelor ca
urmare a descriptorilor bidimensionali utilizai i nu poate trata amestecuri chimice (63).
42

Tabelul III.
Particulariti ale programelor informatice de evaluare a mutagenitii
Denumirea
Particulariti
programului
informatic
TOPKAT

DEREK

MCASE

Analiz tip QSAR


Descriptorii ncorporeaz stri electrotopologice (valori E) i
forma moleculei
Prezice mutagenitatea ca valoare numeric de la 0-100%
Dac compusul analizat este mult diferit fa de moleculele
din setul de antrenament (trainning set) nu va fi generat un
rspuns
Sistemul este nchis, nu se pot aduga compui noi setului de
antrenament iniial
Analiza de tip QSAR nu permite o interpretare uoar a
modificrilor structurale ce trebuie aduse
Sistem de tip expert
Regulile reprezint fragmente structurale corelate cu un efect
mutagen din materiale publicate sau din lista Ashby (pentru
fragmente electrofile ce interacioneaz cu ADN)
Rspuns de tip binar (mutagen/non mutagen), dar cu
informaii asupra regulilor aplicate i referine
Posibilitatea unui fals negativ, dac compusul conine
fragmente care nu au fost tratate
Sistem deschis, permite adugare de noi reguli
Se genereaz rspuns pentru orice compus, indiferent ct de
diferit este fa de cele din setul de antrenament
Sistem hibrid
Lista cu fragmente structurale asociate cu efect mutagen cu
analiza ulterioar QSAR a fragmentelor identificate
Sistem deschis: se pot aduga noi compui la setul de
antrenament
Rezultatul este un scor n uniti CASE ce trebuie interpretat,
dar sunt oferite valori orientative
Datorit unei cooperri (Cooperative Research and
Development Agreement CRADA) au fost incluse n setul
de date antrenament i substane sintetizate de diverse
companii farmaceutice, substane care au fost identificate ca
mutagene pe parcursul dezvoltrii lor

Pentru a putea evalua performana acestor aplicaii, datele de test nu trebuie s


fie incluse n setul de date pe baza cruia s-a realizat aplicaia, lucru care nu este
ntotdeauna posibil avnd n vedere c doar circa 10% din substanele testate de
companiile farmaceutice sunt identificate ca avnd potenial mutagen. Sensibilitatea
acestor aplicaii este ns problematic, estimndu-se a fi jur de 40-63% (63).
43

Activarea metabolic a substanelor chimice la specii covalente reactive poate


duce la efecte toxice n principal prin formarea de aduci cu molecule nucleofile ca
glutationul sau formarea de legturi covalente cu macromolecule tisulare. Metaboliii
reactivi pot avea efect carcinogen, necrozant, teratogen sau toxicitate mediat imun. Un
model QSAR de clasificare a fost realizat n vederea prentmpinrii unor astfel de
efecte nedorite pe parcursul seleciei noilor candidai cu efect farmacologic, respectnd
principiile de validare recomandate de OECD (66).
Metaboliii reactivi au fost selecionai din articolele prezente n baza de date
PubMed, compuii care genereaz astfel de metabolii reprezentnd setul de date de
antrenament. Ca set de control s-au utilizat compuii din US FDA Orange Book
(Medicamente aprobate pentru uz terapeutic) din care au fost extrai compuii prezeni
n setul de antrenament. Descriptorii moleculari au fost calculai cu un program
informatic gratuit i s-a realizat validare ncruciat. Un fapt important de luat n
considerare este ns c dei o serie de compui prezint metabolii reactivi acetia nu au
fost asociai cu toxicitate dup o utilizare ndelungat, sugernd influena i a altor
factori (66).
n vederea evalurii potenialului mutagen, analiza unor compui din categorii
chimie distincte este mai dificil dect analiza unor substane cu un schelet comun
(nrudite chimic). Pentru seriile de substane nrudite se presupune c acestea vor
exercita efectul prin acelai mecanism molecular spre deosebire de o baz de date cu
substane care fac parte din mai multe clase chimice, mecanismul de aciune al acestora
putnd varia. n vederea obinerii unui model predictiv pentru evaluarea unei serii de
astfel de compui s-au utilizat ca set de antrenament rezultatele testului Ames pe dou
tulpini de Salmonella. Datele au fost analizate prin dou metode statistice: regresie
liniar multipl i algoritm de tip reea neuronal artificial. Dup validarea rezultatelor
cu un set extern de date, predictivitatea modelului realizat cu reea neuronal artificial
a fost superioar celui realizat prin regresie liniar multipl, fapt ce sugereaz o
dependen non-liniar ntre efectul mutagen i caracteristicile structurale. Un alt
avantaj al modelului realizat cu ajutorul reelelor neuronale a constat n utilizarea unui
numr mic de descriptori, fapt ce uureaz interpretarea acestuia, fr a scdea calitatea
prediciei (67).
Modele de clasificare au fost utilizate pentru a prezice rezultatul testului Ames
prin repartizarea n categoria mutagen sau non-mutagen a peste 3000 de compui dintre
44

care mai mult de 300 au fost compui utilizai n terapie. Validarea s-a realizat cu un set
de date extern i a indicat o concordan medie de 82%, cea mai bun concordan
avnd modelul realizat utliznd reele neuronale artificiale. O comparaie a rezultatelor
validate cu cele obinute cu ajutorul programelor MCASE (Tab.III) i DEREK (Tab.III)
a indicat specificitatea superioar a celor obinute prin aceast metodologie,
sensibilitatea fiind comparabil (68).
Pn la publicarea de ctre OECD a ghidului de evaluare i validare a
modelelor QSAR, acest proces se realiza dup principiile stabilite de International
Council of Chemical Associations i European Chemical Industry Council la Setubal,
Portugalia n 2002. Studiul (69) realizat n 2005 respectnd aceste principii i utiliznd
baza de date disponibil n acel moment a ICSAS a propus un model QSAR pentru
estimarea capacitii mutagene pe baza indicilor electrotopologici de stare. Indicii de
stare E ncorporeaz o combinaie de informaii despre starea electronic, topologie i
valen a unei molecule (11).
Proiectul de orientare ICH M7 prevede faptul c metode in silico, inclusiv
analiza QSAR i sisteme expert, pot fi utilizate pentru evaluarea computaional a
mutagenitii la bacterii a impuritilor din produse farmaceutice. Scopul unei astfel de
evalurii const n protejarea pacienilor de expunerea la substane mutagene ce ar putea
avea potenial carcinogen. Impuritile apar pe parcursul dezvoltrii i pot fi substanele
de la care se pornete sinteza, compui intermediari, compui formai pe o cale
alternativ, produi de degradare sau solveni care nu aduc nici un beneficiu terapeutic.
Acest tip de evaluare se aplic pentru impuritile n concentraie mic. Odat cu acest
proiect au fost propuse

mai multe modele QSAR pentru evaluarea mutagenitii

impuritilor din produse farmaceutice (70-72).


Metodele QSAR pot fi un instrument util i pentru evaluarea potenialului
mutagen al substanelor din mediu, avnd n vedere marea diversitate a acestora.
Frecvent a fost analizat prin astfel de metode capacitatea mutagen a hidrocarburilor
aromatice mono i policiclice nitrate (73).

45

11. Aplicaii n domeniul dermatotoxicologiei


Pielea reprezint principala cale de expunere la substane chimice prezente n
mediul nconjurtor sau n mediul ocupaional (profesional). n scop terapeutic pielea
poate s reprezint o cale de administrare a unor substane cu absorbie transdermic sau
pentru a trata diverse probleme ce apar la nivelul acesta prin intermediul formulrilor
topice.
n general exist dou direcii pentru prezicerea efectelor substanelor asupra
pielii, i anume, estimarea absorbiei i estimarea iritaiei/capacitii de sensibilizare.
Avnd n vedere c este necesar ca o substan sa se absoarb pentru a-i manifesta
efectul toxic sistemic, iar absorbia este un parametru mai uor de monitorizat din punct
de vedere cantitativ, astfel de studii sunt mai frecvente, dar sunt realizate prin metodele
specifice studiilor de farmacocinetic (74).
Iritaia cutanat i ocular cauzeaz un disconfort considerabil i este n mod
obinuit asociat cu un proces inflamator. Numeroase substane pot avea efect iritant, de
la produse utilizate n agricultur, produse de curat, produse cosmetice i
medicamente (75).
Evaluarea in vivo a capacitaii unei substane de a produce iritaie cutanat i
ocular este o testare cu grad crescut de subiectivitate. n urm cu civa ani evaluarea
in vivo pe animale se realiza n mod tradiional prin testul Draize pe iepuri (76). Datorit
protestelor activitilor pentru drepturile animalelor, a costurilor i a unor dovezi aduse
privind unele lipsuri ale acestuia, numeroase agenii au depus eforturi pentru
introducerea i utilizarea unor metode alternative de testare. OECD a inclus n setul de
teste pentru evaluarea iritaiei cutanate i oculare acute posibilitatea utilizrii unor
metode in vitro i QSAR, lipsa caracterului iritant identificat prin studii QSAR putnd fi
confirmat apoi pe un test pe animale (75).
Propilenglicolii au potenial iritant sczut i sunt utilizai n concentraii de
pn la 80% n produse pentru uz topic (loiuni, deodorante) aplicate frecvent. n
general studiile in vitro evalueaz absorbia altor substane n prezena propilenglicolui
ca adjuvant i mai puin absorbia acestuia. ntr-un studiu comparativ pentru absorbia
propilenglicolilor ntre o metod in vitro i un model QSAR, modelul QSAR a
supraevaluat cu mai puin de un ordin de mrime absorbia cutanat n comparaie cu
metoda in vitro, dar ambele au indicat o absorbie sczut (77).
46

Concluzii

La nivelul UE i n America de Nord exist un cadru legislativ care permite


utilizarea metodelor QSAR pentru a reglementa utilizarea unor substane chimice.

Principalele etape n realizarea unui model sunt alegerea unui obiectiv msurabil,
selecionarea descriptorilor i alegerea unei metode de analiz statistic a datelor.

Prin intermediul descriptorilor moleculari se extrage informaie de ordin numeric


din reprezentarea structural a unei substane.

Metodele 3D-QSAR estimeaz modul de interaciunea a unei substane cu o


molecul int fr a utiliza structura acesteia.

Prin diversele metode de analiz a datelor se identific relaia ntre descriptori i


proprietatea urmrit, ce va putea fi utilizat la estimarea proprietii altor compui.

Prin intermediul modelelor QSAR se pot seleciona substraturile i inhibitorii


anumitor izoenzime ale citocromului P450, putnd prevedea sau evita astfel anumite
interaciuni cinetice ntre compui sau generarea de metabolii toxici.

Modele QSAR pot fi utilizate de asemenea pentru a evalua potenialul unor


substane de a interaciona cu diverse molecule endogene cum ar fi: glicoproteina P
alte molecule transportoare sau receptori specifici. Aceste modele s-ar putea dovedi
utile n sinteza unor compui cu risc sczut de toxicitate sau cu aciune
farmacologic intit.

Studiile QSAR i pot dovedi utilitatea n toxicologie i prin posibilitatea


identificrii potenialilor perturbatori endocrini (cu estimarea afinitii pentru
receptorii specifici), evaluarea potenialului mutagen i dezvoltarea de noi compui
cu un risc sczut n acest sens, respectiv evaluarea toxicitii cutanate.

Nanoparticulele, utilizate tot mai frecvent, reprezint o adevrat provocare cnd


vine vorba de evaluarea toxicitii lor. Chiar i acest domeniu revoluionar poate
beneficia de capacitatea predictiv a studiilor nano-QSAR.

Probabil c n viitorul apropiat modelele QSAR vor ctiga din ce n ce mai mult
teren n domeniul farmaceutic, nlocuind alte metode mult mai costisitoare i mai
laborioase. Succesul acestor metode i acceptarea lor de ctre specialitii din
domeniu va depinde foarte mult de ameliorarea capacitii predictive i simplificarea
pe ct posibil a modelelor i a prelucrrii datelor.
47

Bibliografie

1.

Directiva 2010/63/UE a Parlamentului European i a Consiliului din 22

septembrie 2010 privind protecia animalelor utilizate n scopuri tiinifice.


2.

Guide for the Care and Use of Laboratory Animals: Eighth Edition: The

National Academies Press; 2011.


3.

Directiva 2006/121/CE a Parlamentului European i a Consiliului din

18 decembrie 2006 de modificare a Directivei 67/548/CEE a Consiliului privind


apropierea actelor cu putere de lege i a actelor administrative referitoare la clasificarea,
ambalarea i etichetarea substanelor periculoase pentru a o adapta la Regulamentul
(CE) nr. 1907/2006 privind nregistrarea, evaluarea, autorizarea i restricionarea
substanelor chimice (REACH) i de nfiinare a Ageniei Europene pentru Produse
ChimiceText cu relevan pentru SEE.
4.

Directiva 98/8/CE a Parlamentului European i a Consiliului din

16 februarie 1998 privind comercializarea produselor biodestructive


5.

Directiva Consiliului din 15 iulie 1991 privind introducerea pe pia a

produselor de uz fitosanitar (91/414/CEE)


6.

Directiva 2000/60/CE a Parlamentului European i a Consiliului din 23

octombrie 2000 de stabilire a unui cadru de politic comunitar n domeniul apei.


7.

Regulamentul (CE) nr . 1223/2009 al Parlamentului European i al consiliului

din 30 noiembrie 2009 privind produsele cosmetice (reformare) (Text cu relevan


pentru SEE)
8.

Worth A. The Role of Qsar Methodology in the Regulatory Assessment of

Chemicals. In: Puzyn T, Leszczynski J, Cronin MT, editors. Recent Advances in QSAR
Studies. Challenges and Advances in Computational Chemistry and Physics. 8.
Dodrecht: Springer Netherlands; 2010. p. 367-82.
9.

Regulamentul (CE) nr . 1907/2006 al Parlamentului European i al Consiliului

din 18 decembrie 2006 privind nregistrarea, evaluarea, autorizarea i restricionarea


substanelor chimice (REACH), de nfiinare a Ageniei Europene pentru Produse
Chimice, de modificare a Directivei 1999/45/CE i de abrogare a Regulamentului (CEE)
nr. 793/93 al Consiliului i a Regulamentului (CE) nr. 1488/94 al Comisiei, precum i a
Directivei 76/769/CEE a Consiliului i a Directivelor 91/155/CEE, 93/67/CEE,
93/105/CE i 2000/21/CE ale Comisiei (Text cu relevan pentru SEE) (2006).
48

10.

OECD. Guidance Document on the Validation of (Q)SAR Models. 2007.

11.

Informatics and Computational Safety Analysis Staff (ICSAS). Disponibil la:

http://www.fda.gov/AboutFDA/CentersOffices/OfficeofMedicalProductsandTobacco/C
DER/ucm092125.htm.
12.

Saraceno M, Massarelli I, Imbriani M, James TL, Bianucci AM. Optimizing

QSAR models for predicting ligand binding to the drug-metabolizing cytochrome P450
isoenzyme CYP2D6. Chem Biol Drug Des. 2011;78(2):236-51.
13.

Doucet JP, Panaye A. Comparative Molecular Field Analysis. In: Doucer JP,

editor. Three dimensional QSAR. QSAR in Environmental and Health Sciences. Boca
Raton: CRC Press; 2010. p. 3-59.
14.

Devillers J. Methods for Building QSARs. In: Reisfeld B, Mayeno AN, editors.

Computational Toxicology. Methods in Molecular Biology. 930. New York: Humana


Press; 2013. p. 3-27.
15.

Wolfgang G. Description and Representation of Chemicals. In: Helma C,

editor. Predictive Toxicology. Boca Raton: CRC Press; 2005. p. 11-35.


16.

Chen YZ, Yap CW, Li H. Current QSAR Techniques for Toxicology. In: Ekins

S, editor. Computational Toxicology: Risk Assessment for Pharmaceutical and


Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.; 2007. p. 217-38.
17.

Consonni V, Todeschini R. Molecular Descriptors. In: Puzyn T, Leszczynski J,

Cronin MT, editors. Recent Advances in QSAR Studies. Challenges and Advances in
Computational Chemistry and Physics. 8. Dordrecht: Springer Netherlands; 2010. p. 29102.
18.

Hammett LP. The Effect of Structure upon the Reactions of Organic

Compounds. Benzene Derivatives. J Am Chem Soc. 1937;59(1):96-103.


19.

Goodford PJ. A computational procedure for determining energetically

favorable binding sites on biologically important macromolecules. J Med Chem.


1985;28(7):849-57.
20.

Cramer RD, Patterson DE, Bunce JD. Comparative molecular field analysis

(CoMFA). 1. Effect of shape on binding of steroids to carrier proteins. J Am Chem Soc.


1988;110(18):5959-67.
21.

Diudea MV, Gutman I, Lorentz J. Molecular Topology. Hauppauge: Nova

Science Publ.; 2001.

49

22.

Enoch S. The Use of Quantum Mechanics Derived Descriptors in

Computational Toxicology. In: Puzyn T, Leszczynski J, Cronin MT, editors. Recent


Advances in QSAR Studies. Challenges and Advances in Computational Chemistry and
Physics. 8. Dordrecht: Springer Netherlands; 2010. p. 13-28.
23.

Sippl W. 3D-QSAR Applications, Recent Advances, and Limitations. In:

Puzyn T, Leszczynski J, Cronin MT, editors. Recent Advances in QSAR Studies.


Challenges and Advances in Computational Chemistry and Physics. 8. Dordrecht:
Springer Netherlands; 2010. p. 103-25.
24.

Klebe G, Abraham U, Mietzner T. Molecular Similarity Indices in a

Comparative Analysis (CoMSIA) of Drug Molecules to Correlate and Predict Their


Biological Activity. J Med Chem. 1994;37(24):4130-46.
25.

Li X, Ye L, Wang X, Liu H, Zhu Y, Yu H. Combined 3D-QSAR, molecular

docking and molecular dynamics study on thyroid hormone activity of hydroxylated


polybrominated diphenyl ethers to thyroid receptors . Toxicol Appl Pharmacol.
2012;265(3):300-7.
26.

Chen YZ, Yap CW, Li H. Current QSAR Techniques for Toxicology. In: Ekins

S, editor. Computational Toxicology: Risk Assessment for Pharmaceutical and


Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.; 2007. p. 217-38.
27.

Yee LC, Wei YC. Current Modeling Methods Used in QSAR/QSPR. In:

Dehmer M, Varmuza K, Bonchev D, editors. Statistical Modelling of Molecular


Descriptors in QSAR/QSPR. 2. Weinheim: Wiley-VCH Verlag GmbH & Co. KGaA;
2012. p. 1-31.
28.

Lewis DF, Dickins M. Substrate SARs in human P450s. Drug Discov Today.

2002;7(17):918-25.
29.

Zhang T, Dai H, Liu LA, Lewis DFV, Wei D. Classification Models for

Predicting

Cytochrome

P450

Enzyme-Substrate

Selectivity.

Mol

Inform.

2012;31(1):53-62.
30.

Hammann F, Gutmann H, Jecklin U, Maunz A, Helma C, Drewe J.

Development of decision tree models for substrates, inhibitors, and inducers of pglycoprotein. Curr Drug Metab. 2009;10(4):339-46.
31.

Timbrell JA. Factors Affecting Toxic Responses: Metabolism. Principles of

Biochemical Toxicology. New York: Informa Healthcare; 2008. p. 75-128.

50

32.

Sridhar J, Liu J, Foroozesh M, Stevens CLK. Insights on Cytochrome P450

Enzymes

and

Inhibitors

Obtained

Through

QSAR

Studies.

Molecules.

2012;17(8):9283-305.
33.

Ekins S. Applications of QSAR to Enzymes Involved in Toxicology. In: Ekins

S, editor. Computational Toxicology: Risk Assessment for Pharmaceutical and


Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.; 2007. p. 277-93.
34.

Crivori P, Poggesi I. Computational approaches for predicting CYP-related

metabolism properties in the screening of new drugs. Eur J Med Chem. 2006;41(7):795808.
35.

Hansch C, Lien EJ, Helmer F. Structure-activity correlations in the metabolism

of drugs. Arch Biochem Biophys. 1968;128(2):319-30.


36.

Jnsdttir S, Ringsted T, Nikolov NG, Dybdahl M, Wedebye EB, Niemel

JR. Identification of cytochrome P450 2D6 and 2C9 substrates and inhibitors by QSAR
analysis. Bioorg Med Chem. 2012;20(6):2042-53.
37.

Ringsted T, Nikolov N, Jensen GE, Wedebye EB, Niemel J. QSAR models

for P450 (2D6) substrate activity. SAR QSAR Environ Res. 2009;20(3-4):309-25.
38.

Uesawa Y, Mohri K. Quantitative structure-activity relationship (QSAR)

analysis of the inhibitory effects of furanocoumarin derivatives on cytochrome P450 3A


activities. Pharmazie. 2010;65(1):41-6.
39.

Gleeson MP, Davis AM, Chohan KK, Paine SW, Boyer S, Gavaghan CL, et al.

Generation of in-silico cytochrome P450 1A2, 2C9, 2C19, 2D6, and 3A4 inhibition
QSAR models. J Comput Aided Mol Des. 2007;21(10-11):559-73.
40.

Ecker GF, Chiba P. QSAR Studies on Drug Transporters Involved in

Toxicology. In: Ekins S, editor. Computational Toxicology: Risk Assessment for


Pharmaceutical and Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.;
2007. p. 295-314.
41.

Juliano RL, Ling V. A surface glycoprotein modulating drug permeability in

Chinese hamster ovary cell mutants. BBA-Biomembranes. 1976;455(1):152-62.


42.

Sousa IJ, Ferreira MJ, Molnar J, Fernandes MX. QSAR studies of macrocyclic

diterpenes with P-glycoprotein inhibitory activity. Eur J Pharm Sci. 2012;48(3):542-53.


43.

Demel MA, Kramer O, Ettmayer P, Haaksma EE, Ecker GF. Predicting ligand

interactions with ABC transporters in ADME. Chem Biodivers. 2009;6(11):1960-9.

51

44.

Cianchetta G, Singleton RW, Zhang M, Wildgoose M, Giesing D, Fravolini A,

et al. A pharmacophore hypothesis for P-glycoprotein substrate recognition using


GRIND-based 3D-QSAR. J Med Chem. 2005;48(8):2927-35.
45.

de Cerqueira Lima P, Golbraikh A, Oloff S, Xiao Y, Tropsha A. Combinatorial

QSAR modeling of P-glycoprotein substrates. J Chem Inf Model. 2006;46(3):1245-54.


46.

Li Y, Wang Y-H, Yang L, Zhang S-W, Liu C-H, Yang S-L. Comparison of

steroid substrates and inhibitors of P-glycoprotein by 3D-QSAR analysis. J Mol Struc.


2005;733(13):111-8.
47.

Chang C, Bahadduri PM, Polli JE, Swaan PW, Ekins S. Rapid identification of

P-glycoprotein substrates and inhibitors. Drug Metab Dispos. 2006;34(12):1976-84.


48.

Kothandan G, Gadhe CG, Madhavan T, Choi CH, Cho SJ. Docking and 3D-

QSAR (quantitative structure activity relationship) studies of flavones, the potent


inhibitors of p-glycoprotein targeting the nucleotide binding domain. Eur J Med Chem.
2011;46(9):4078-88.
49.

Chen L, Li Y, Yu H, Zhang L, Hou T. Computational models for predicting

substrates or inhibitors of P-glycoprotein. Drug Discov Today. 2012;17(7-8):343-51.


50.

Lill MA, Vedani A. Computational Modeling of Receptor-Mediated Toxicity.

In: Ekins S, editor. Computational Toxicology: Risk Assessment for Pharmaceutical


and Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.; 2007. p. 315-51.
51.

Li J, Gramatica P. The importance of molecular structures, endpoints' values,

and predictivity parameters in QSAR research: QSAR analysis of a series of estrogen


receptor binders. Mol Divers. 2010;14(4):687-96.
52.

Li J, Gramatica P. Classification and virtual screening of androgen receptor

antagonists. J Chem Inf Model. 2010;50(5):861-74.


53.

Tong W, Perkins R, Strelitz R, Collantes ER, Keenan S, Welsh WJ, et al.

Quantitative structure-activity relationships (QSARs) for estrogen binding to the


estrogen

receptor:

predictions

across

species.

Environ

Health

Perspect.

1997;105(10):1116-24.
54.

Li X, Ye L, Shi W, Liu H, Liu C, Qian X, et al. In silico study on hydroxylated

polychlorinated biphenyls as androgen receptor antagonists. Ecotoxicol Environ Saf.


2013;92:258-64.

52

55.

Zheng G, Xiao M, Lu XH. QSAR study on the Ah receptor-binding affinities

of polyhalogenated dibenzo-p-dioxins using net atomic-charge descriptors and a radial


basis neural network. Anal Bioanal Chem. 2005;383(5):810-6.
56.

Vedani A, Smiesko M, Spreafico M, Peristera O, Dobler M. VirtualToxLab -

in silico prediction of the toxic (endocrine-disrupting) potential of drugs, chemicals and


natural products. Two years and 2,000 compounds of experience: a progress report.
ALTEX. 2009;26(3):167-76.
57.

Puzyn T, Gajewicz A, Leszczynska D, Leszczynski J. Nanomaterials the

Next Great Challenge for Qsar Modelers. In: Puzyn T, Leszczynski J, Cronin MT,
editors. Recent Advances in QSAR Studies. Challenges and Advances in Computational
Chemistry and Physics. 8. Dordrecht: Springer Netherlands; 2010. p. 383-409.
58.

Winkler DA, Mombelli E, Pietroiusti A, Tran L, Worth A, Fadeel B, et al.

Applying quantitative structure-activity relationship approaches to nanotoxicology:


current status and future potential. Toxicology. 2013;313(1):15-23.
59.

Buzea C, Pacheco I, Robbie K. Nanomaterials and nanoparticles: Sources and

toxicity. Biointerphases. 2007;2(4):MR17-MR71.


60.

Gajewicz A, Schaeublin N, Rasulev B, Hussain S, Leszczynska D, Puzyn T, et

al. Towards understanding mechanisms governing cytotoxicity of metal oxides


nanoparticles: Hints from nano-QSAR studies. Nanotoxicology. 2014:1-13.
61.

Puzyn T, Rasulev B, Gajewicz A, Hu X, Dasari TP, Michalkova A, et al. Using

nano-QSAR to predict the cytotoxicity of metal oxide nanoparticles. Nat Nano.


2011;6(3):175-8.
62.

Singh KP, Gupta S. Nano-QSAR modeling for predicting biological activity of

diverse nanomaterials. RSC Adv. 2014;4(26):13215-30.


63.

Custer LL, Kreatsoulas C, Durham SK. Predictive Mutagenicity Computer

Models. In: Ekins S, editor. Computational Toxicology: Risk Assessment for


Pharmaceutical and Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.;
2007. p. 391-401.
64.

Genetic

Toxicology

Data

Bank

(GENE-TOX).

Disponibil

la:

http://toxnet.nlm.nih.gov/cgi-bin/sis/htmlgen?GENETOX.

53

65.

FDA Toxicity, Reproductive and Development Toxicity, and Carcinogenicity

Database. Disponibil la:


http://www.fda.gov/AboutFDA/CentersOffices/OfficeofMedicalProductsandTobacco/C
DER/ucm092217.htm.
66.

Liew CY, Pan C, Tan A, Ang KX, Yap CW. QSAR classification of metabolic

activation of chemicals into covalently reactive species. Mol Divers. 2012;16(2):389400.


67.

Maran U, Slid S. QSAR Modeling of Genotoxicity on Non-congeneric Sets of

Organic Compounds. Artif Intell Rev. 2003;20(1-2):13-38.


68.

Votano JR, Parham M, Hall LH, Kier LB, Oloff S, Tropsha A, et al. Three new

consensus QSAR models for the prediction of Ames genotoxicity. Mutagenesis.


2004;19(5):365-77.
69.

Contrera JF, Matthews EJ, Kruhlak NL, Benz RD. In silico screening of

chemicals for bacterial mutagenicity using electrotopological E-state indices and MDL
QSAR software. Regul Toxicol Pharm. 2005;43(3):313-23.
70.

Valencia A, Prous J, Mora O, Sadrieh N, Valerio JLG. A novel QSAR model

of Salmonella mutagenicity and its application in the safety assessment of drug


impurities. Toxicol Appl Pharmacol. 2013;273(3):427-34.
71.

Sutter A, Amberg A, Boyer S, Brigo A, Contrera JF, Custer LL, et al. Use of in

silico systems and expert knowledge for structure-based assessment of potentially


mutagenic impurities. Regul Toxicol Pharmacol. 2013;67(1):39-52.
72.

Valerio JLG, Cross KP. Characterization and validation of an in silico

toxicology model to predict the mutagenic potential of drug impurities*. Toxicol Appl
Pharmacol. 2012;260(3):209-21.
73.

Gramatica P, Papa E. Prediction of PAH and Nitro-PAH mutagenicity and

PAC genotoxicity by QSAR modeling. Toxicol Lett. 2009;189, Supplement(0):S7.


74.

Riviere JE. Dermatotoxicology: Computational Risk Assessment. In: Ekins S,

editor. Computational Toxicology: Risk Assessment for Pharmaceutical and


Environmental Chemicals. Hoboken: John Wiley & Sons, Inc.; 2007. p. 677-92.
75.

Liew CY, Yap CW. QSAR and Predictors of Eye and Skin Effects. Mol Inform.

2013;32(3):281-90.
76.

Saliner AG, Patlewicz G, Worth AP. A Review of (Q)SAR Models for Skin

and Eye Irritation and Corrosion. QSAR Comb Sc. 2008;27(1):49-59.


54

77.

Fasano WJ, ten Berge WF, Banton MI, Heneweer M, Moore NP. Dermal

penetration of propylene glycols: measured absorption across human abdominal skin in


vitro and comparison with a QSAR model. Toxicol In Vitro. 2011;25(8):1664-70.

55