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

ToxiVerse es una plataforma web pública que facilita la evaluación de toxicidad química mediante el acceso a conjuntos de datos curados, la bioprofilación automática y la generación de modelos predictivos de relación estructura-actividad cuantitativa (QSAR) sin necesidad de conocimientos de programación.

Lo esencial

¡Hola! Imagina que el mundo de los productos químicos es como una ciudad gigante y muy ruidosa. En esta ciudad viven millones de "personas" (moléculas y compuestos químicos). Algunas son muy amigables y seguras, pero otras son como "villanos" que pueden enfermarnos o dañar el medio ambiente si no las conocemos bien.

Antiguamente, para saber quiénes eran esos villanos, teníamos que hacer pruebas con animales (como ratones). Esto era lento, costoso y, para muchos, poco ético. Era como intentar entender a todos los vecinos de la ciudad visitando casa por casa uno por uno.

Aquí es donde entra ToxiVerse, la herramienta que presenta este artículo.

¿Qué es ToxiVerse?

Piensa en ToxiVerse como un "Super-Asistente Digital" o un laboratorio mágico en internet que cualquiera puede usar, incluso si no sabes programar ni eres un experto en química. Es una plataforma gratuita (www.toxiverse.com) diseñada para predecir si un químico es peligroso usando la inteligencia artificial en lugar de animales.

Funciona como una caja de herramientas con tres compartimentos principales:

1. El "Detective de Bioprofes" (Módulo Bioprofiler)

Imagina que quieres saber si un nuevo vecino (un químico) es peligroso, pero nunca lo has visto en acción.

• Lo que hace: ToxiVerse va a una inmensa biblioteca pública llamada PubChem (donde se guardan millones de pruebas anteriores) y busca si ese químico ha interactuado con otros "vecinos" antes.
• El truco: A veces, la información está incompleta (como un expediente con páginas arrancadas). ToxiVerse usa un inteligente adivino (Inteligencia Artificial) para rellenar esos huecos. Si el químico se parece a otros que sabemos que son peligrosos, el sistema "adivina" que este también lo será.
• Resultado: Te entrega un "perfil biológico" completo, como una hoja de antecedentes penales detallada, para que sepas exactamente qué esperar.

2. La "Biblioteca de Casos" (Módulo Base de Datos)

• Lo que hace: Es como una biblioteca gigante que ya tiene organizados unos 50,000 casos de químicos que ya han sido estudiados.
• Para qué sirve: Si estás investigando un tipo específico de toxicidad (por ejemplo, qué químicos dañan el hígado o causan cáncer), puedes entrar aquí, buscar y descargar la lista de "sospechosos" conocidos. Además, te muestra gráficos coloridos para que veas cómo se agrupan estos químicos, como si fueran nubes de puntos en un mapa.

3. El "Taller de Construcción de Modelos" (Módulo Cheminformatics)

Este es el compartimento más potente y flexible.

• Lo que hace: Imagina que tienes tus propios datos experimentales (quizás de tu propio laboratorio) o quieres usar los de la biblioteca. ToxiVerse te permite subir tus archivos (como una lista de Excel) y, con un solo clic, construir tu propio "robot predictivo".
• La magia: No necesitas saber código. Subes tus químicos, eliges qué tipo de "robot" quieres (usando algoritmos como Random Forest o SVM, que son como diferentes estilos de detectives), y el sistema entrena al robot para que aprenda de tus datos.
• El resultado: Una vez entrenado, puedes meter nuevos químicos en la máquina y te dirá: "Oye, este tiene un 90% de probabilidad de ser tóxico".

¿Por qué es tan especial?

La mayoría de las herramientas actuales son como máquinas expendedoras: metes una moneda (un químico) y te da un resultado fijo. No puedes cambiar nada.

ToxiVerse es diferente porque es como un taller de bricolaje (DIY):

1. Es para todos: No necesitas ser un genio de la informática. Es fácil de usar.
2. Es flexible: Puedes usar los datos que ellos tienen o traer los tuyos propios.
3. Es rápido: Hace en segundos lo que antes tomaba meses de pruebas de laboratorio.
4. Es ético: Ayuda a reducir drásticamente la necesidad de pruebas con animales.

En resumen

ToxiVerse es como tener un superpoder para ver el futuro de la seguridad química. Convierte datos aburridos y dispersos en información clara y útil, permitiendo que científicos, reguladores y curiosos puedan predecir peligros antes de que ocurran, protegiendo así nuestra salud y el planeta, todo desde la comodidad de un navegador web.

Es, en esencia, la herramienta que democratiza la seguridad química, poniendo un laboratorio de alta tecnología en las manos de cualquiera.

Resumen técnico

Resumen Técnico: ToxiVerse

1. Planteamiento del Problema
La evaluación de la toxicidad química es fundamental para la seguridad de los fármacos y el medio ambiente, pero los métodos tradicionales dependen en gran medida de pruebas en animales, las cuales son costosas, lentas y éticamente controvertidas. Aunque han surgido herramientas computacionales (como ADMETlab, admetSAR, ProTox), existen limitaciones significativas:

• Falta de flexibilidad: La mayoría de las plataformas se basan en modelos preentrenados para conjuntos de datos fijos, sin permitir a los usuarios cargar sus propios datos o construir modelos personalizados.
• Barreras de entrada: Muchas herramientas requieren conocimientos de programación, lo que las hace inaccesibles para investigadores sin formación en bioinformática.
• Calidad de los datos: Las bases de datos públicas a menudo sufren de anotaciones inconsistentes, metadatos faltantes y formatos no estandarizados, lo que introduce sesgos en los modelos predictivos.
• Procesamiento limitado: Pocos sistemas ofrecen capacidades de procesamiento por lotes (batch processing) o informes de modelado estandarizados.

2. Metodología
ToxiVerse es una plataforma web de código abierto desarrollada como una aplicación modular utilizando Flask (Python 3.11) y desplegada en un entorno Docker. La arquitectura se basa en tres módulos integrados:

• Módulo Bioprofiler:

  • Fuente de datos: Construye un perfil biológico inicial utilizando datos de ensayos bioquímicos de PubChem (almacenados en una base de datos SQLite local actualizada semestralmente).
  • Selección de ensayos: Utiliza el Puntaje de Información Mutua (MI) para seleccionar los ensayos más informativos que distinguen entre compuestos activos e inactivos.
  • Relleno de datos (Gap-filling): Para compuestos con datos faltantes, entrena clasificadores de Random Forest (RF) utilizando huellas dactilares ECFP6 (radio 3, 2048 bits) para predecir resultados de ensayos no probados. Esto genera un "bioprofilo completo" que integra datos estructurales y biológicos.

• Módulo Database (Base de Datos):

  • Almacena aproximadamente 50,000 compuestos químicos únicos curados, cubriendo más de 50 puntos finales de toxicidad (hepatotoxicidad, carcinogenicidad, toxicidad del desarrollo, etc.).
  • Implementa un enfoque de suavizado bayesiano para identificar y clasificar los ensayos de PubChem más relevantes para cada punto final de toxicidad, ajustando las tasas de actividad para armonizar los datos.

• Módulo Cheminformatics (Quimioinformática):

  • Curación de datos: Utiliza el ChEMBL Structure Pipeline (basado en RDKit) para estandarizar estructuras químicas, eliminar sales/solventes, corregir estereoquímica y normalizar SMILES.
  • Visualización: Emplea Análisis de Componentes Principales (PCA) para visualizar el espacio químico en 3D.
  • Modelado QSAR: Permite a los usuarios generar modelos predictivos (clasificación o regresión) utilizando algoritmos de aprendizaje automático como Random Forest (RF), Máquinas de Vectores de Soporte (SVM) y k-Vecinos Más Cercanos (k-NN).
  • Optimización: Los hiperparámetros se optimizan mediante búsqueda en cuadrícula (grid search) con validación cruzada de 5 pliegues.
  • Predicción: Los usuarios pueden subir sus propios conjuntos de datos (CSV/SDF) o usar los datos de ToxiVerse para predecir la toxicidad de nuevos compuestos.

3. Contribuciones Clave

• Accesibilidad sin código: Ofrece una interfaz web intuitiva que permite a investigadores sin experiencia en programación realizar bioprofilado, curar datos y construir modelos QSAR complejos.
• Integración de datos biológicos: A diferencia de las herramientas que solo usan descriptores estructurales, ToxiVerse enriquece los descriptores químicos con datos de actividad biológica de alto rendimiento (HTS) de PubChem, mejorando la relevancia mecánica de los modelos.
• Flexibilidad total: A diferencia de las plataformas de "caja negra" preentrenadas, ToxiVerse permite a los usuarios crear modelos personalizados con sus propios datos experimentales o con datos curados de la plataforma.
• Repositorio curado: Proporciona acceso a un conjunto de datos de toxicidad estandarizado y limpio de ~50,000 compuestos, resolviendo problemas de inconsistencia en datos públicos.

4. Resultados

• La plataforma ha sido validada con múltiples conjuntos de datos de toxicidad (ej. toxicidad aguda, antagonismo del receptor de estrógenos).
• Se demostró la capacidad de generar modelos QSAR competitivos utilizando combinaciones de descriptores (ECFP6, FCFP6, descriptores RDKit) y algoritmos (RF, SVM, k-NN).
• La visualización del espacio químico mediante PCA permite a los usuarios identificar agrupaciones y patrones estructurales en sus datos.
• El sistema soporta el procesamiento por lotes y genera informes de métricas de rendimiento (precisión, AUC, F1-score, R², MSE) de manera automática.

5. Significado e Impacto
ToxiVerse representa un avance significativo en la toxicología computacional al democratizar el acceso a herramientas de modelado predictivo avanzadas. Al combinar la curación rigurosa de datos, la integración de perfiles biológicos y la capacidad de modelado personalizado en una interfaz amigable, la plataforma:

• Reduce la dependencia de las pruebas en animales al facilitar la adopción de métodos in silico.
• Permite una evaluación de riesgos más rápida y económica para nuevos compuestos químicos y fármacos.
• Cierra la brecha entre la disponibilidad de grandes volúmenes de datos públicos y la capacidad de los investigadores para utilizarlos eficazmente para la toma de decisiones regulatorias y de desarrollo de fármacos.

La plataforma es de acceso gratuito en www.toxiverse.com y cuenta con tutoriales detallados para guiar a los usuarios en su flujo de trabajo.