AVALIAÇÃO DA ECOTOXICIDADE DE INIBIDORES DA SGLT-2 E SEUS METABÓLITOS COM O USO DE FERRAMENTAS DE MACHINE LEARNING

Publicado em 22/03/2021 - ISBN: 978-65-5941-128-3

Título do Trabalho
AVALIAÇÃO DA ECOTOXICIDADE DE INIBIDORES DA SGLT-2 E SEUS METABÓLITOS COM O USO DE FERRAMENTAS DE MACHINE LEARNING
Autores
  • Beatriz Pontes Cunto Corniglion
  • Joanna Ângelis Macena Oliveira
  • Alessandra Mendonça Teles de Souza
  • Bárbara de Azevedo Abrahim Vieira
Modalidade
Resumo apresentação oral curta
Área temática
Centro de Ciências de Saúde (CCS)/Farmácia
Data de Publicação
22/03/2021
País da Publicação
Brasil
Idioma da Publicação
Português
Página do Trabalho
https://www.even3.com.br/anais/jgmictac/320259-avaliacao-da-ecotoxicidade-de-inibidores-da-sglt-2-e-seus-metabolitos-com-o-uso-de-ferramentas-de-machine-learnin
ISBN
978-65-5941-128-3
Palavras-Chave
diabetes mellitus, toxicidade preditiva, toxicidade ambiental, QSAR
Resumo
A preocupação global com a ocorrência de produtos farmacêuticos no meio ambiente aumentou durante os últimos anos. O descarte inadequado de medicamentos, além da excreção humana e animal de seus metabólitos, resulta no transporte pelas águas e acúmulo parcial nos sedimentos de rios ou mesmo em alguns organismos, levando ao risco potencial à saúde humana e ao meio ambiente (Roy e KAR, 2016). Por isso, fármacos e seus metabólitos são classificados como poluentes orgânicos emergentes. Recentemente, medicamentos para a Diabetes tipo 2 tem sido detectados com mais frequência no meio ambiente. Os inibidores da SGLT2 são uma nova classe terapêutica para o controle da Diabetes, para os quais ainda não há dados de ecotoxicidade, e consequentemente de seus metabólitos, ficando clara a importância de se analisar os mesmos. Para tal, testes em animais consomem muito tempo, além de serem caros e demandarem um trabalho intensivo. Atualmente, métodos baseados em machine learning tem sido amplamente utilizados e estão em rápida evolução na área de toxicologia preditiva (GINI e ZANOLI, 2020). Esses métodos permitem a avaliação do risco de toxicidade ambiental de produtos farmacêuticos e seus metabólitos com baixo impacto ambiental e reduzindo o número de animais em experimentos. Nesse cenário, esse trabalho tem como principal objetivo avaliar a ecotoxicidade dos inibidores da SGLT-2 e seus metabólitos utilizando ferramentas de machine learning. Será realizada a busca bibliográfica dos metabólitos dos fármacos canagliflozina, dapagliflozina, empagliflozina e ertugliflozina. A estrutura 2D dos fármacos e seus metabólitos será construída utilizando o programa MarvinScketch. Para avaliar a ecotoxicidade serão utilizados os programas QSAR toolbox (OECD, 2020) e ADMET predictor (SimulationsPlus, Inc, CA), onde serão avaliados os seguintes modelos de toxicidade aquática: toxicidade letal (LC50) em Daphnia magna e Pimephales promelas, inibição do crescimento (pIGC50) de Tetrahymena pyriformis e, fator de bioconcentração, expressa coeficiente de partição do composto entre tecidos de peixes e água ambiental em estado estacionário, e a probabilidade de biodegradação no meio ambiente, expressa como demanda relativa de oxigênio biológico. Com o desenvolvimento deste trabalho, serão fornecidos os primeiros dados de ecotoxicidade de fármacos antidiabéticos e seus metabólitos, que contribuirão para?futuras atividades regulatórias em termos de vigilância sanitária de produtos e proteção ambiental. Referências bibliográficas: Gini G., Zanoli F. (2020) Machine Learning and Deep Learning Methods in Ecotoxicological QSAR Modeling. In: Roy K. (eds) Ecotoxicological QSARs. Methods in Pharmacology and Toxicology. Humana, New York, NY. Roy K., Kar S. (2016) In Silico Models for Ecotoxicity of Pharmaceuticals. In: Benfenati E. (eds) In Silico Methods for Predicting Drug Toxicity. Methods in Molecular Biology, vol 1425. Humana Press, New York, NY.
Título do Evento
XLII Jornada Giulio Massarani de Iniciação Científica, Tecnológica, Artística e Cultural (JICTAC 2020 - Edição Especial) - Evento UFRJ
Título dos Anais do Evento
Anais da Jornada Giulio Massarani de Iniciação Científica, Tecnológica, Artística e Cultural
Nome da Editora
Even3
Meio de Divulgação
Meio Digital

Como citar

CORNIGLION, Beatriz Pontes Cunto et al.. AVALIAÇÃO DA ECOTOXICIDADE DE INIBIDORES DA SGLT-2 E SEUS METABÓLITOS COM O USO DE FERRAMENTAS DE MACHINE LEARNING.. In: Anais da Jornada Giulio Massarani de Iniciação Científica, Tecnológica, Artística e Cultural. Anais...Rio de Janeiro(RJ) UFRJ, 2021. Disponível em: https//www.even3.com.br/anais/jgmictac/320259-AVALIACAO-DA-ECOTOXICIDADE-DE-INIBIDORES-DA-SGLT-2-E-SEUS-METABOLITOS-COM-O-USO-DE-FERRAMENTAS-DE-MACHINE-LEARNIN. Acesso em: 08/02/2025

Trabalho

Even3 Publicacoes