Modelos Combinados para Evaluar la Inhibición del Symporter Sodio-Yoduro

Área de la Ciencia:

• Toxicología
• Química Computacional
• Neurociencia

Sus antecedentes:

• El symporter sodio-yoduro (NIS) es vital para la síntesis de hormonas tiroideas, crucial para el desarrollo cerebral.
• La inhibición del NIS por productos químicos ambientales puede provocar trastornos del neurodesarrollo como autismo y disminución del coeficiente intelectual.
• La predicción precisa de la neurotoxicidad del desarrollo (DNT) es esencial para la evaluación de riesgos.

Objetivo del estudio:

• Desarrollar y validar un marco in silico para predecir inhibidores del NIS.
• Identificar productos químicos ambientales con potencial DNT modelando la inhibición del NIS.
• Apoyar las estrategias de evaluación de riesgos de próxima generación.

Principales métodos:

• Se aplicó el cribado virtual basado en docking de inhibidores del NIS.
• Se entrenaron modelos de aprendizaje automático (RF, XGB, SVM) utilizando ECFP4 y CDDD.
• Se validaron los modelos utilizando validación cruzada de 9 pliegues y un conjunto de prueba interno.

Principales resultados:

• Las predicciones combinadas de ML y docking mejoraron la discriminación (ROC AUC de 0.77).
• Los umbrales óptimos produjeron un MCC de 0.32 y una precisión equilibrada de 0.78.
• Se desarrolló un marco robusto utilizando 1412 compuestos diversos.

Conclusiones:

• El estudio presenta un marco computacional novedoso y robusto para predecir la inhibición del NIS.
• Este enfoque mejora la identificación de productos químicos que causan DNT.
• El método desarrollado representa un nuevo enfoque para la evaluación de riesgos toxicológicos.