Resumen de Environmental toxicity prediction using computational tools: prediction of potential hazardous effects of chemicals in Lactuca saliva seed germination

Juan Castillo, Yuleidis González Pérez, Eberts M. lbear, Elizabeth Rodríguez, Virginia Pérez, Facundo Pérez Giménez

• español

  El objetivo principal del estudio fue desarrollar modelos cuantitativos de relación estructura-actividad (QSAR) para la predicción de los efectos fitotóxicos de compuestos químicos, en la germinación de las semillas de Lactuca sativa. Se utiliza una base de datos de 73 compuestos, ensayados contra L. sativa y los descriptores moleculares del programa Dragon para obtener un modelo QSAR para la predicción de la fitotoxicidad. El modelo se lleva a cabo con el software QSARINS y se valida de acuerdo con los principios de la OCDE. El mejor modelo mostró buen valor para el coeficiente de determinación (R2 = 0.917) y otros parámetros apropiados para el ajuste (s = 0.256 and RMSEtr= 0.236). Los resultados de la validación confirmaron que el modelo tiene una buena robustez y estabilidad (Q2 LOO = 0.874 and Q2 LMO= 0.875), un excelente poder predictivo (R2 ext = 0.896) y que no fue producto de una correlación casual (R2 Y-scr = 0.130 and Q2 Y-scr = -0.265). Finalmente, podemos decir que el modelo es una buena herramienta de predicción para predecir la toxicidad de compuestos químicos sobre L. sativa.

• English

  The main aim of the study was to develop quantitative structure-activity relationship (QSAR) models for the prediction of phytotoxicity effects of chemical compounds on the Lactuca sativa seeds germination. A database of 73 compounds, assayed against L. sativa and Dragon’s molecular descriptors are used to obtain a QSAR model for the prediction of the phytotoxicity. The model is carried out with QSARINS software and validated according to OECD principles. The best model showed good value for the determination coefficient (R2 = 0.917) and others parameters appropriate for fitting (s = 0.256 and RMSEtr= 0.236). The validation results confirmed that the model has good robustness and stability (Q2LOO = 0.874 and Q2LMO= 0.875), an excellent predictive power (R2ext = 0.896) and was product of a non-random correlation (R2Y-scr = 0.130 and Q2Y-scr = -0.265). Finally, we can say that this model is a good predictor tool to predict the toxicity over L. sativa of chemical compounds.