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

ToxiVerse is een gratis, gebruiksvriendelijk webplatform dat onderzoekers zonder programmeerkennis in staat stelt om chemische toxiciteit te evalueren via een geïntegreerde omgeving met gecurateerde datasets, bioprofiling en automatische QSAR-modellering.

De kern

Stel je voor dat je een enorme bibliotheek hebt, maar de boeken staan in een chaos: sommige pagina's ontbreken, de inkt is vervaagd, en niemand weet precies welke boeken over welke ziektes gaan. In de wereld van chemie en medicijnen is dit precies het probleem met het testen van stoffen op giftigheid. Vroeger deden ze dit met dieren, wat duur, langzaam en ethisch problematisch is. Vandaag de dag proberen we dit met computers te doen, maar de bestaande tools zijn vaak als een dure, ingewikkelde raceauto: ze zijn snel, maar alleen een professionele coureur (een programmeur) kan ze rijden.

ToxiVerse is de oplossing die de auteurs van dit paper hebben bedacht. Het is een gratis, online platform dat fungeert als een slimme, gebruiksvriendelijke "chemische assistent" voor iedereen, ook voor mensen die niet weten hoe ze moeten programmeren.

Hier is hoe het werkt, vertaald naar alledaagse beelden:

1. De Drie Hoofdstukken van ToxiVerse

Het platform bestaat uit drie delen, die samenwerken als een goed georganiseerd team:

A. De "Bioprofiler": De Detective met een Magische Bril
Stel je voor dat je een nieuwe stof hebt. Je wilt weten of deze giftig is, maar je hebt niet genoeg tests gedaan. De Bioprofiler kijkt naar een gigantische database (PubChem) met miljoenen eerdere tests.

• Het probleem: Soms ontbreken er resultaten. "Is deze stof giftig voor levercellen? Geen idee, die test is nooit gedaan."
• De oplossing: De Bioprofiler gebruikt slimme algoritmen (machine learning) als een detective die patronen ziet. Als de stof lijkt op andere stoffen die wel getest zijn, vult hij de gaten in. Het is alsof je een puzzel maakt: als je 90% van de stukjes hebt, kan de computer de ontbrekende stukjes met een heel hoog vertrouwen invullen. Zo krijg je een compleet "biologisch profiel" van de stof, zonder dat je zelf duizenden dierproeven hoeft te doen.

B. De "Database": De Georganiseerde Bibliotheek
Veel gegevens over giftigheid zijn verspreid over de hele wereld, vaak in slechte vorm. ToxiVerse heeft een grote, schone bibliotheek gebouwd met ongeveer 50.000 unieke chemicaliën.

• Denk hierbij aan een bibliotheek waar alle boeken al zijn ingeslagen, genummerd en op de juiste planken staan. Je kunt hier direct zoeken naar specifieke gevaren (zoals "is dit kankerverwekkend?" of "is dit slecht voor de ontwikkeling van een baby?"). Je kunt deze boeken (datasets) met één klik downloaden om ze zelf te bestuderen.

C. De "Cheminformatica": De Zelfbouw-werkplaats
Dit is misschien wel het coolste deel. Veel andere tools zeggen: "Hier is een voorspelling, neem het maar." Maar ToxiVerse zegt: "Jij bent de architect, bouw je eigen voorspelling!"

• Je kunt je eigen gegevens uploaden (bijvoorbeeld van een eigen laboratorium).
• Het systeem maakt je stoffen eerst schoon (verwijdert fouten, net als een auto die gewassen wordt).
• Vervolgens kun je kiezen welke "bouwpakketten" (wiskundige modellen) je wilt gebruiken om een voorspelling te maken.
• Het platform doet al het zware rekenwerk voor je. Je hoeft geen code te schrijven; je klikt gewoon op "Bouwen" en het systeem geeft je een model dat je kunt gebruiken om nieuwe stoffen te testen.

Waarom is dit zo belangrijk?

Vroeger was het testen van chemicaliën op veiligheid als het reizen met een paard en wagen: het kon, maar het duurde eeuwen en was onzeker. Sommige digitale tools zijn als treinen: snel, maar je kunt alleen reizen op de vaste sporen die ze hebben gelegd.

ToxiVerse is als een moderne, elektrische auto met zelfrijdende functies.

• Voor iedereen: Je hoeft geen ingenieur te zijn om hem te besturen.
• Flexibel: Je kunt zelf beslissen welke route je wilt nemen (welke data je gebruikt).
• Snel en veilig: Het helpt om sneller te zien welke stoffen veilig zijn en welke niet, wat tijd en geld bespaart en dierenlevens redt.

Samenvattend

ToxiVerse is een gratis online platform dat wetenschappers, maar ook geïnteresseerden zonder technische achtergrond, helpt om te voorspellen of chemicaliën gevaarlijk zijn. Het combineert een enorme verzameling bestaande data, slimme computers die ontbrekende informatie invullen, en een gebruiksvriendelijke werkplek waar je je eigen voorspellingen kunt bouwen. Het maakt de complexe wereld van chemische toxicologie toegankelijk voor iedereen, zodat we veiliger en sneller nieuwe medicijnen en producten kunnen ontwikkelen.

Je kunt het platform gratis bezoeken op www.toxiverse.com.

Technische samenvatting

Probleemstelling

De evaluatie van chemische toxiciteit is cruciaal voor de geneesmiddelenontwikkeling en milieubeveiliging, maar de huidige methoden kampen met ernstige beperkingen:

• Afhankelijkheid van dierproeven: Reguliere frameworks vertrouwen nog steeds sterk op dierexperimenten, wat ethisch controversieel, tijdrovend en kostbaar is.
• Tekortkomingen in bestaande computertools: Hoewel er tools bestaan (zoals ADMETlab, ProTox, VEGA), zijn deze vaak beperkt tot vooraf getrainde modellen voor een vast aantal eindpunten. Ze bieden weinig flexibiliteit voor gebruikers om eigen datasets te modelleren of aangepaste voorspellingen te doen.
• Data-kwaliteit en toegankelijkheid: Beschikbare toxiciteitsdatabases lijden vaak onder inconsistente annotaties, ontbrekende metadata en niet-gestandaardiseerde formaten. Bovendien vereisen veel geavanceerde modellen programmeerkennis, wat ze ontoegankelijk maakt voor onderzoekers zonder informatica-achtergrond.
• Interpretabiliteit: Deep learning-modellen worden vaak gezien als "black boxes", wat de interpretatie van resultaten bemoeilijkt.

Methodologie

ToxiVerse is een modulaire, webgebaseerde platform (geïmplementeerd met Flask, Python, en Docker) dat drie geïntegreerde modules biedt om deze problemen aan te pakken:

1. Bioprofiler-module

• Doel: Het genereren van uitgebreide chemische beschrijvers door bio-activiteitsdata te combineren met machine learning.
• Data: Gebruikt experimentele assay-resultaten van PubChem (bioactiviteit, CID, AID).
• Techniek:
  • Een initieel bio-activiteitsmatrix wordt opgesteld.
  • Mutual Information (MI) scores worden berekend om de meest informatieve assays te selecteren die onderscheid maken tussen actieve en inactieve stoffen.
  • Data-aanvulling (Gap-filling): Voor chemicaliën met ontbrekende data in geselecteerde assays worden Random Forest (RF) classifiers getraind op basis van ECFP6-vingerafdrukken (Extended-Connectivity Fingerprints). Deze modellen vullen de ontbrekende waarden in, waardoor een compleet bio-profiel ontstaat.

2. Database-module

• Inhoud: Bevat ongeveer 50.000 uniek gecureerde chemicaliën met data voor diverse toxiciteitsendpunten (bijv. hepatotoxiciteit, carcinogeniciteit, endocriene verstoring).
• Data-integratie: Data wordt geharmoniseerd en gekoppeld aan unieke identifiers (SMILES, PubChem CID, ToxiVerse-ID).
• Assay-selectie: Voor elk toxiciteitsendpunt worden relevante PubChem-assays geïdentificeerd en gerangschikt op basis van een Bayesian smoothing-methode om de "Active Rate" te normaliseren en assays te selecteren die het sterkst correleren met het doelendpunt.

3. Cheminformatics-module

• Functionaliteit: Biedt een volledige workflow voor het bouwen en toepassen van QSAR-modellen (Quantitative Structure-Activity Relationship) zonder programmeerkennis.
• Data-verwerking:
  • Upload van CSV/SDF-bestanden of import vanuit PubChem (via AID).
  • Structuur-curatie: Gebruik van de ChEMBL Structure Pipeline (op basis van RDKit) voor het standaardiseren van structuren, verwijderen van zouten/oplosmiddelen, en corrigeren van stereochemie.
  • Visualisatie: 3D-PCA-plotten (Principal Component Analysis) om chemische ruimtes en clusters te visualiseren.
• Modellering:
  • Ondersteuning voor classificatie en regressie.
  • Algoritmen: Random Forest (RF), Support Vector Machines (SVM), en k-Nearest Neighbors (k-NN).
  • Optimalisatie: Hyperparameters worden geoptimaliseerd via Grid Search met 5-voudige kruisvalidatie.
  • Voorspelling: Gebruikers kunnen hun eigen modellen toepassen op nieuwe chemicaliën (via upload of SMILES-input).

Belangrijkste Bijdragen

• Gebruiksvriendelijkheid: Een volledig webgebaseerd platform dat complexe machine learning-taken toegankelijk maakt voor niet-programmeurs.
• Flexibiliteit: In tegenstelling tot veel bestaande tools, kunnen gebruikers hier eigen datasets uploaden en aangepaste QSAR-modellen bouwen voor specifieke eindpunten.
• Hybride Beschrijvers: De Bioprofiler-module introduceert een innovatieve aanpak waarbij structurele data wordt verrijkt met voorspelde bio-activiteitsdata uit PubChem, wat leidt tot mechanistisch meer onderbouwde modellen.
• Data-kwaliteit: Biedt een centraal, rigoureus gecureerd reservoir van ~50.000 chemicaliën met gestandaardiseerde metadata.
• Batch-verwerking: Ondersteunt het verwerken van grote datasets en het genereren van gestandaardiseerde rapporten.

Resultaten

• Het platform is succesvol geïmplementeerd en toegankelijk via www.toxiverse.com.
• De Bioprofiler-module heeft aangetoekt dat het ontbrekende assay-data kan imputeren met hoge nauwkeurigheid, wat resulteert in completere chemische profielen.
• In een gevalstudie met een dataset van 888 verbindingen (estrogen receptor antagonist) werden negen verschillende QSAR-modellen gebouwd en geëvalueerd. De prestaties werden gemeten via metrics zoals Accuracy, AUC, F1-score, R² en MSE.
• De platform-interface (gevisualiseerd in de figuren) toont een intuïtieve workflow van data-upload, curatie, visualisatie, modeltraining tot voorspelling.

Betekenis

ToxiVerse vult een kritieke lacune in het veld van computationele toxicologie. Het democratiseert de toegang tot geavanceerde toxiciteitsvoorspelling door een brug te slaan tussen grote openbare datasets (zoals PubChem) en bruikbare, aanpasbare machine learning-modellen.

• Het stelt onderzoekers in staat om sneller en goedkoper toxiciteitsrisico's in te schatten, wat bijdraagt aan de vermindering van dierproeven (3R-principe).
• Door de mogelijkheid tot het bouwen van eigen modellen, ondersteunt het innovatie in nieuwe chemische beoordelingen die niet door bestaande, starre tools worden gedekt.
• Het platform fungeert als een centrale hub voor data-uitwisseling en methodologische transparantie in de chemische veiligheidsbeoordeling.