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

O artigo apresenta o ToxiVerse, uma plataforma web pública e gratuita que oferece conjuntos de dados de toxicidade curados, perfis biológicos automatizados e uma interface de modelagem preditiva acessível para pesquisadores sem experiência em programação, visando facilitar a avaliação de toxicidade química sem o uso de testes em animais.

O essencial

Imagine que você é um cozinheiro tentando criar uma nova receita de bolo. Antes de assar, você precisa saber se os ingredientes são seguros para comer. Antigamente, para testar isso, os cientistas precisavam fazer experiências com animais, o que levava muito tempo, custava caro e levantava questões éticas.

Hoje, existe uma nova maneira de fazer isso: usar computadores para prever se uma substância é tóxica. É aqui que entra o ToxiVerse, a "estrela" deste artigo.

Pense no ToxiVerse como um "Super Laboratório Virtual" ou um "Kit de Montagem de Detetives Químicos" que qualquer pessoa pode usar, mesmo sem saber programar computadores. Ele foi criado por pesquisadores para ajudar a prever se produtos químicos são perigosos para a saúde humana e para o meio ambiente, tudo isso na internet, de graça.

Aqui está como ele funciona, dividido em três "salas" principais (módulos), usando analogias simples:

1. A Sala do "Bioprofiler" (O Detetive de Perfis)

Imagine que cada produto químico é uma pessoa. Para saber se essa pessoa é "boa" ou "ruim" (segura ou tóxica), os cientistas olham para o histórico dela: quais "amigos" (outros testes de laboratório) ela já conheceu e como reagiu?

• O Problema: Muitas vezes, o histórico está incompleto. Faltam dados de alguns testes.
• A Solução do ToxiVerse: Ele pega os dados que existem (de um banco de dados gigante chamado PubChem) e usa um "robô inteligente" (Inteligência Artificial) para preencher as lacunas. É como se o robô dissesse: "Olha, este químico se parece muito com aquele outro que testamos antes e que deu positivo. Então, é muito provável que este também seja positivo."
• Resultado: Você ganha um "currículo completo" do químico, mostrando como ele se comporta em centenas de testes diferentes, mesmo que alguns nunca tenham sido feitos fisicamente.

2. A Sala do "Banco de Dados" (A Biblioteca de Receitas Seguras)

Esta é uma enorme biblioteca digital que já contém cerca de 50.000 produtos químicos que foram organizados e limpos pelos pesquisadores.

• Como funciona: Em vez de você ter que caçar informações espalhadas pela internet (que muitas vezes estão bagunçadas ou em formatos diferentes), o ToxiVerse traz tudo pronto.
• O que você vê: Você pode entrar, escolher um tipo de perigo (como "faz mal ao fígado?" ou "causa câncer?") e ver gráficos coloridos mostrando como os químicos se comportam. É como ter um mapa do tesouro onde você pode ver onde estão os químicos seguros e onde estão os perigosos.

3. A Sala do "Quiminformática" (O Montador de Modelos)

Esta é a parte mágica onde você, o usuário, vira o cientista.

• Sem código: Você não precisa saber escrever linhas de código de computador. É tudo feito com botões e menus, como montar um quebra-cabeça.
• O que você faz:
  1. Você sobe sua própria lista de químicos (ou usa os da biblioteca).
  2. O sistema "lava" e organiza esses químicos (removendo erros de desenho das moléculas).
  3. Você escolhe qual "ferramenta" (algoritmo de aprendizado de máquina) quer usar para criar um modelo de previsão.
  4. O sistema treina o modelo e diz: "Com base nos dados que você deu, este novo químico tem 90% de chance de ser tóxico."
• A mágica: Você pode criar seu próprio "detetive" personalizado para prever riscos de substâncias que ninguém nunca testou antes.

Por que isso é importante?

Antes do ToxiVerse, essas ferramentas eram como carros de Fórmula 1: incríveis, mas só pilotos profissionais (programadores) sabiam dirigir. O ToxiVerse é como um carro automático e confortável: qualquer pessoa com um navegador de internet pode entrar, dirigir e chegar ao destino (uma previsão de segurança) sem precisar saber mecânica.

Resumo da Ópera:
O ToxiVerse é uma plataforma online, gratuita e fácil de usar que ajuda a prever se produtos químicos são seguros, usando inteligência artificial para preencher lacunas de dados e permitindo que qualquer pesquisador crie seus próprios testes de segurança, tudo sem precisar saber programar. É um passo gigante para tornar o mundo mais seguro, rápido e ético, reduzindo a necessidade de testes em animais.

Você pode acessar esse "laboratório virtual" em: www.toxiverse.com.

Resumo técnico

Resumo Técnico: ToxiVerse

1. Problema e Contexto

A avaliação de toxicidade química é fundamental para a segurança de medicamentos e do meio ambiente, mas os métodos tradicionais baseados em testes animais são caros, demorados e eticamente controversos. Embora ferramentas computacionais (in silico) tenham surgido como alternativas, a literatura atual apresenta lacunas significativas:

• Falta de Flexibilidade: A maioria das plataformas web existentes (como ADMETlab, ProTox, admetSAR) utiliza modelos pré-treinados para um conjunto fixo de endpoints, oferecendo pouca ou nenhuma flexibilidade para que os usuários importem seus próprios dados ou construam modelos personalizados.
• Barreira Técnica: Muitas ferramentas exigem conhecimentos de programação, limitando o acesso a pesquisadores sem formação em ciência da computação.
• Qualidade e Curadoria de Dados: Bancos de dados públicos frequentemente sofrem com anotações inconsistentes, metadados ausentes e falta de padronização, o que introduz viés nos modelos preditivos.
• Dados Esparsos: Dados de triagem de alto rendimento (HTS) do PubChem muitas vezes contêm lacunas (valores inconclusivos ou ausentes), dificultando a criação de perfis biológicos completos para compostos específicos.

2. Metodologia

O ToxiVerse foi desenvolvido como uma aplicação web modular, acessível publicamente sem necessidade de login, construída sobre uma arquitetura robusta:

• Infraestrutura Técnica: Desenvolvido com o framework Flask (Python 3.11) em um ambiente Docker. O front-end utiliza HTML, CSS, JavaScript e Bootstrap, com visualizações interativas em Plotly. O processamento assíncrono é gerenciado via Redis Queue, e os dados são armazenados em um banco SQLite.
• Módulos Principais:
  1. Módulo Bioprofiler (Perfilador Biológico):
     • Construção de Dados: Integra dados de bioatividade do PubChem (CIDs, AIDs, resultados de ensaios) em um banco de dados local atualizado semestralmente.
     • Seleção de Ensaios: Utiliza a pontuação de Informação Mútua (MI) para selecionar os ensaios mais informativos que distinguem compostos ativos de inativos.
     • Preenchimento de Lacunas (Gap-filling): Para compostos com dados ausentes ou inconclusivos, o sistema treina modelos de Floresta Aleatória (Random Forest - RF) baseados em fingerprints ECFP6 (ECFP6) para prever e imputar os resultados dos ensaios, gerando um perfil biológico completo e enriquecido.
  2. Módulo Database (Banco de Dados):
     • Hospeda cerca de 50.000 compostos químicos únicos com curadoria rigorosa, cobrindo mais de 50 endpoints de toxicidade (ex.: hepatotoxicidade, carcinogenicidade, toxicidade ao desenvolvimento).
     • Utiliza um método de suavização Bayesiana para identificar e ranquear os bioensaios do PubChem mais relevantes para cada endpoint de toxicidade específico.
  3. Módulo Cheminformatics (Quimioinformática):
     • Curadoria de Estrutura: Implementa o ChEMBL Structure Pipeline (via RDKit) para padronizar estruturas químicas, remover sais/solventes, corrigir estereoquímica e normalizar SMILES.
     • Visualização: Realiza redução de dimensionalidade via PCA (Análise de Componentes Principais) para visualizar o espaço químico em 3D.
     • Modelagem QSAR Automatizada: Permite que usuários façam upload de seus próprios dados (CSV/SDF) ou usem dados do ToxiVerse/PubChem. O sistema calcula descritores moleculares (RDKit, ECFP6, FCFP6) e treina modelos de classificação ou regressão usando algoritmos como Random Forest (RF), Support Vector Machines (SVM) e k-Nearest Neighbors (k-NN).
     • Otimização: Os hiperparâmetros são otimizados via busca em grade (grid search) com validação cruzada de 5 dobras.

3. Contribuições Chave

• Plataforma "Sem Código" (No-Code): Democratiza a modelagem de toxicidade, permitindo que pesquisadores sem experiência em programação realizem desde a curadoria de dados até a construção e predição de modelos QSAR complexos.
• Enriquecimento de Descritores: A abordagem inovadora de combinar dados de estrutura química com perfis de bioatividade preditos (via gap-filling de ML) cria descritores mais ricos e mecanisticamente informativos do que os baseados apenas em estrutura.
• Flexibilidade Total: Diferente de ferramentas estáticas, o ToxiVerse permite a criação de modelos personalizados para novos endpoints e conjuntos de dados específicos do usuário.
• Integração de Dados: Unifica dados curados de estudos anteriores da equipe com dados brutos do PubChem, oferecendo uma visão unificada e harmonizada.
• Transparência e Reprodutibilidade: Fornece relatórios detalhados de métricas de desempenho (AUC, F1-score, R², etc.) e permite o download de modelos e dados processados.

4. Resultados

• Desempenho do Bioprofiler: A validação em conjuntos de dados de toxicidade aguda e outros endpoints demonstrou que a imputação de dados via RF melhora a completude dos perfis biológicos, permitindo a identificação de compostos com mecanismos de ação semelhantes, mesmo com pouca semelhança estrutural.
• Modelagem QSAR: Testes com um conjunto de dados de antagonistas do receptor de estrogênio (888 compostos) mostraram que o sistema consegue gerar múltiplos modelos (combinações de descritores e algoritmos) e selecionar o melhor desempenho via validação cruzada.
• Usabilidade: A interface foi projetada para guiar o usuário passo a passo, com tutoriais integrados, visualizações de heatmap para perfis biológicos e gráficos de dispersão 3D para análise de clusters químicos.
• Acesso: A plataforma está disponível gratuitamente em www.toxiverse.com, com dados acessíveis via API RESTful e downloads diretos.

5. Significância

O ToxiVerse representa um avanço significativo na toxicologia computacional ao preencher a lacuna entre a disponibilidade de grandes volumes de dados públicos e a capacidade dos pesquisadores de utilizá-los efetivamente.

• Impacto Regulatório e Industrial: Facilita a avaliação de risco químico e a triagem de candidatos a fármacos, reduzindo a dependência de testes animais e acelerando o desenvolvimento de produtos mais seguros.
• Acessibilidade Científica: Ao remover a barreira da programação, o ToxiVerse empodera toxicologistas, químicos e biólogos a explorarem métodos de aprendizado de máquina de ponta para suas próprias questões de pesquisa.
• Padronização: Através de sua curadoria rigorosa e pipelines de padronização de estruturas, o ToxiVerse contribui para a melhoria da qualidade dos dados de toxicidade disponíveis para a comunidade científica global.

Em resumo, o ToxiVerse não é apenas um repositório de dados, mas um laboratório virtual completo que integra bioprofilagem, curadoria de dados e modelagem preditiva personalizável em uma única interface amigável.