ToxiVerse: A Public Platform for Chemical Toxicity Data Sharing and Customizable Predictive Modeling

Das Paper stellt ToxiVerse vor, eine öffentlich zugängliche Webplattform, die kuratierte Toxizitätsdaten, chemische Bioprofiling-Funktionen und eine benutzerfreundliche Schnittstelle zur Erstellung von QSAR-Vorhersagemodellen für Forscher ohne Programmierkenntnisse bereitstellt.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Chemiker oder ein Forscher, der herausfinden muss, ob eine neue Substanz (wie ein neues Medikament oder ein Reinigungsmittel) sicher für Menschen und die Umwelt ist. Früher musste man dafür unzählige Tierversuche durchführen – ein Prozess, der teuer, langsam und ethisch schwierig ist.

Heute versuchen wir, das mit Computern zu lösen. Aber hier kommt das Problem: Die meisten Computer-Programme sind wie hochspezialisierte Rennwagen. Sie sind schnell, aber man braucht einen Rennfahrer (einen Programmierer), um sie zu steuern. Wenn Sie kein Programmierer sind, kommen Sie mit dem Lenkrad nicht klar.

ToxiVerse ist wie ein automatisiertes, benutzerfreundliches „Fahrschul-Center" für Chemikalien-Sicherheit. Es wurde entwickelt, um jedem Forscher – egal ob er programmieren kann oder nicht – zu helfen, die Gefahren von Chemikalien vorherzusagen.

Hier ist eine einfache Erklärung, wie ToxiVerse funktioniert, unterteilt in seine drei Hauptbereiche:

1. Der „Bioprofiler": Der Detektiv mit der Datenbank

Stellen Sie sich vor, Sie haben eine neue Chemikalie, über die Sie nichts wissen. Der Bioprofiler ist wie ein genialer Detektiv, der sofort in eine riesige Bibliothek (die PubChem-Datenbank) schaut, um zu sehen, wie ähnliche Substanzen in der Vergangenheit getestet wurden.

• Das Problem: Oft fehlen Daten. Der Detektiv findet vielleicht nur 10 von 100 möglichen Tests für Ihre Chemikalie. Die restlichen 90 sind leer.
• Die Lösung: ToxiVerse nutzt eine Art „intelligente Lückenfüller". Es schaut sich an, wie andere Chemikalien in diesen fehlenden Tests reagiert haben, und nutzt künstliche Intelligenz (Maschinelles Lernen), um die fehlenden Ergebnisse vorherzusagen.
• Das Ergebnis: Aus einer unvollständigen Akte wird eine vollständige, detaillierte Biografie der Chemikalie. Sie wissen plötzlich, wie sie auf viele verschiedene biologische Prozesse reagiert, auch ohne dass ein neuer Test im Labor gemacht wurde.

2. Die „Datenbank": Das gut sortierte Archiv

Stellen Sie sich eine riesige, chaotische Bibliothek vor, in der Bücher (Daten über Chemikalien) überall herumliegen, manche sind unvollständig, andere in einer fremden Sprache geschrieben. Das macht es unmöglich, etwas zu finden.

Der Datenbank-Modul von ToxiVerse ist wie ein perfekter Bibliothekar, der diese Bibliothek aufgeräumt hat.

• Er hat etwa 50.000 Chemikalien gesammelt und sorgfältig sortiert.
• Er hat sie bereinigt (wie das Entfernen von Kleberesten von alten Büchern), sodass die Daten sauber und vergleichbar sind.
• Er deckt viele verschiedene Gefahren ab: von Leberschäden bis hin zu Krebsrisiken.
• Der Clou: Sie können einfach klicken, um diese sauberen Daten herunterzuladen, ohne sich durch das Chaos wühlen zu müssen.

3. Der „Cheminformatics"-Modul: Die eigene Werkstatt

Dies ist der Teil, der den Forschern erlaubt, ihre eigenen Experimente durchzuführen. Stellen Sie sich dies als eine moderne Werkstatt vor, in der Sie Ihre eigenen Werkzeuge bauen können.

• Eigene Daten: Sie können Ihre eigenen Daten hochladen (z. B. Ergebnisse aus Ihrem eigenen Labor).
• Aufräumen: Das System reinigt Ihre Daten automatisch (entfernt doppelte Einträge, korrigiert Fehler in den chemischen Formeln).
• Der 3D-Scan: Es zeigt Ihnen eine 3D-Karte Ihrer Chemikalien. So können Sie sehen, welche Chemikalien sich ähnlich verhalten und welche sich unterscheiden – wie eine Landkarte, die zeigt, wo die „gefährlichen" und die „sicheren" Inseln liegen.
• Der Modell-Baumeister: Das ist das Herzstück. Sie wählen aus, welche Chemikalien Sie untersuchen wollen, und das System baut automatisch ein Vorhersage-Modell (eine Art Kristallkugel, die auf Mathematik basiert).
  • Sie müssen keine Code-Zeilen schreiben.
  • Das System probiert verschiedene mathematische Methoden aus (wie einen Koch, der verschiedene Rezepte testet), findet das beste und sagt Ihnen dann: „Wenn Sie diese neue Chemikalie haben, wird sie wahrscheinlich so und so wirken."

Warum ist das so wichtig?

Früher waren solche Werkzeuge entweder:

1. Zu kompliziert (nur für Programmierer).
2. Zu starr (man konnte nur das vorhersagen, was die Entwickler vorher festgelegt hatten).

ToxiVerse ist wie ein Schweizer Taschenmesser für Chemiker. Es ist:

• Einfach: Keine Programmierkenntnisse nötig.
• Flexibel: Sie können eigene Daten einbringen und eigene Modelle bauen.
• Schnell: Es nutzt die Kraft von Supercomputern im Hintergrund, aber Sie steuern es mit einem Mausklick.

Zusammenfassend: ToxiVerse nimmt die komplexe, mathematische Welt der Chemikalien-Sicherheit und macht sie für jeden zugänglich. Es hilft uns, schneller und sicherer zu entscheiden, welche Chemikalien in unsere Medikamente oder Produkte dürfen und welche nicht – ganz ohne, dass man ein Genie in Informatik sein muss.

Technische Zusammenfassung

1. Problemstellung

Die chemische Toxizitätsbewertung ist entscheidend für die Arzneimittelsicherheit und den Umweltschutz, stößt jedoch auf erhebliche Herausforderungen:

• Limitationen bestehender Methoden: Herkömmliche Tierversuche sind zeitaufwendig, kostspielig und ethisch umstritten.
• Mängel in existierenden computergestützten Tools: Viele verfügbare Plattformen (z. B. ADMETlab, ProTox) basieren oft auf vorab trainierten Modellen für festgelegte Endpunkte. Sie bieten wenig Flexibilität für benutzerdefinierte Datensätze, unterstützen das Batch-Verarbeiten nur eingeschränkt und erfordern häufig Programmierkenntnisse.
• Datenqualität: Öffentliche Toxizitätsdatenbanken leiden oft unter inkonsistenten Annotationen, fehlenden Metadaten, nicht standardisierten Formaten und Lücken in den Daten, was zu Verzerrungen in den Modellvorhersagen führt.
• Zielgruppe: Es fehlt an benutzerfreundlichen Werkzeugen für Forscher ohne Hintergrund in der Informatik oder Programmierung, die dennoch maschinelles Lernen (ML) für die Toxizitätsvorhersage nutzen möchten.

2. Methodik und Plattformarchitektur

ToxiVerse ist eine webbasierte, modulare Plattform, die auf dem Flask-Framework (Python 3.11) entwickelt wurde und in einer Docker-Umgebung bereitgestellt wird. Die Architektur nutzt SQLite für die Datenspeicherung, RDKit für die Cheminformatik und scikit-learn für das maschinelle Lernen. Die Plattform besteht aus drei integrierten Modulen:

A. Bioprofiler-Modul (Bioprofiling)

• Ziel: Erstellung umfassender chemischer Deskriptoren durch Kombination von chemischer Struktur und biologischer Aktivität.
• Datenbasis: Integration von experimentellen Assay-Ergebnissen aus der PubChem-Datenbank (über 10.000 Verbindungen in verschiedenen Assays).
• Prozess:
  1. Erstellung einer initialen Chemikalien-Bioaktivitäts-Matrix.
  2. Auswahl relevanter Assays mittels Mutual Information (MI)-Scores, um die informativsten Tests für die Zieltoxizität zu identifizieren.
  3. Datenlücken-Füllung: Für Verbindungen ohne experimentelle Daten in ausgewählten Assays werden Random Forest (RF)-Klassifikatoren (basierend auf ECFP6-Fingerabdrücken) trainiert, um fehlende Werte vorherzusagen (Imputation).
• Ergebnis: Ein vollständiger „Bioprofil"-Deskriptor, der strukturelle und biologische Informationen vereint.

B. Datenbank-Modul (Database)

• Inhalt: Eine kuratierte Sammlung von ca. 50.000 einzigartigen Chemikalien mit Daten zu über 50 Toxizitätsendpunkten (z. B. Hepatotoxizität, Karzinogenität, Entwicklungs-Toxizität).
• Funktionen:
  • Bereitstellung standardisierter Datensätze (SMILES, PubChem CID, ToxiVerse-ID).
  • Visualisierung der chemischen Räume mittels Hauptkomponentenanalyse (PCA).
  • Identifikation relevanter PubChem-Assays für spezifische Endpunkte unter Verwendung einer Bayesschen Glättung zur Rangfolge der Assays.

C. Cheminformatik-Modul (Cheminformatics)

• Datenkuratierung: Upload von CSV/SDF-Dateien oder Import aus PubChem. Nutzung der ChEMBL Structure Pipeline (auf RDKit basierend) zur Bereinigung, Standardisierung und Validierung chemischer Strukturen (z. B. Entfernung von Salzen, Lösungsmitteln, Korrektur von Stereochemie).
• QSAR-Modellierung:
  • Berechnung von Deskriptoren (RDKit-Deskriptoren, ECFP6, FCFP6).
  • Unterstützung von Klassifikations- und Regressionsmodellen mit Algorithmen wie Random Forest (RF), Support Vector Machines (SVM) und k-Nearest Neighbors (k-NN).
  • Hyperparameter-Optimierung via Grid Search mit 5-facher Kreuzvalidierung.
• Vorhersage: Benutzer können eigene Modelle auf ihre Daten anwenden oder neue Chemikalien (via Datei-Upload oder SMILES-Eingabe) mit trainierten Modellen vorhersagen lassen.

3. Hauptbeiträge und Ergebnisse

• Benutzerfreundlichkeit: ToxiVerse ermöglicht Forschern ohne Programmierkenntnisse den vollständigen Workflow von der Dateneingabe über die Kuratierung bis zur Modellierung und Vorhersage.
• Datenintegration und -vervollständigung: Durch die Kombination von PubChem-HTS-Daten (High-Throughput Screening) mit ML-basierter Imputation werden lückenhafte Datenprofile zu umfassenden biologischen Deskriptoren erweitert. Dies verbessert die Vorhersagegenauigkeit im Vergleich zu rein strukturbasierten Ansätzen.
• Flexibilität: Im Gegensatz zu starren, vordefinierten Tools erlaubt ToxiVerse das Erstellen benutzerdefinierter QSAR-Modelle für beliebige Endpunkte und Datensätze.
• Datenqualität: Die Plattform bietet rigoros kuratierte Datensätze und automatisierte Strukturvalidierung, was die Zuverlässigkeit der Modelle erhöht.
• Visualisierung: Integrierte Tools für 3D-PCA-Plots, Heatmaps und Verteilungshistogramme erleichtern die Exploration chemischer Räume.

4. Signifikanz und Ausblick

ToxiVerse schließt eine kritische Lücke im Bereich der computergestützten Toxikologie, indem es eine offene, zugängliche und flexible Plattform bietet.

• Förderung des 3R-Prinzips: Durch die Verbesserung von in silico-Modellen trägt die Plattform dazu bei, Tierversuche zu reduzieren.
• Demokratisierung der Technologie: Die Plattform macht fortschrittliche ML-Methoden (wie Deep Learning und Ensemble-Methoden) für ein breiteres wissenschaftliches Publikum zugänglich, das nicht über coding skills verfügt.
• Regulatorische Relevanz: Die Bereitstellung standardisierter, gut dokumentierter und kuratierter Daten unterstützt regulatorische Entscheidungen und Risikobewertungen.

Die Plattform ist frei unter www.toxiverse.com zugänglich und wird durch detaillierte Tutorials und Beispiel-Datensätze unterstützt. Sie stellt einen wichtigen Schritt hin zu einer transparenten, reproduzierbaren und effizienten chemischen Sicherheitsbewertung dar.