Estudio QSAR de la toxicidad aguda de pesticidas en la lombriz Eisenia Foetida

• Autores: Duchowicz, Pablo Román; Bennardi, Daniel Oscar; Aranda, José Francisco
• Año de publicación: 2022
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: plaguicidas; Eisenia foetida; QSAR; regresión lineal multivariable
• Institución: Consejo Nacional de Investigaciones Científicas y Técnicas

El objetivo de este trabajo fue el desarrollo de relaciones cuantitativas estructura–actividad (QSAR) predictivas con el fin de predecir la toxicidad aguda de los plaguicidas en lombrices de tierra (Eisenia foetida). Los datos de toxicidad experimentales fueron obtenidos de la base de datos de propiedades de pesticidas (PPDB) desarrollada en la Universidad de Hertfordshire. Se dibujaron las estructuras moleculares con ACD ChemSketch. Los descriptores moleculares no conformacionales se calcularon mediante los programas PaDEL, Mold2 , DataWarrior y QuBiLsMAS. Tras la exclusión de los descriptores constantes, linealmente dependientes y de valores únicos se obtuvieron un total de 2055 variables estructurales. Se usó el Método de Subconjuntos Balanceados (BSM) para dividir el conjunto molecular (58 moléculas) en 3 grupos de calibración, validación y predicción. Se llevaron a cabo regresiones lineales QSAR de 1-5 descriptores, mediante un algoritmo matemático, el Método de Reemplazo. Se encontró un modelo de regresión lineal de 4 descriptores que poseía los mejores resultados de validación. Posteriormente se utilizó este modelo para predecir la toxicidad de 21 plaguicidas cuyos valores experimentales eran no verificados o menos confiables. Las predicciones fueron por lo general próximas a los valores reportados no verificados.
The aim of this work was the development of predictive quantitative structure–activity relationships (QSARs) in order to predict the acute toxicity of pesticides in earthworms (Eisenia foetida). Experimental toxicity data were obtained from the Pesticide Properties Database (PPDB) developed at the University of Hertfordshire. Molecular structures were drawn with ACD ChemSketch. Non-conformational molecular descriptors were calculated using PaDEL, Mold2 , DataWarrior and QuBiLs-MAS programs. After excluding the constant, linearly dependent, and unique value descriptors, a total of 2,055 structural variables were obtained. The Balanced Subset Method (BSM) was used to divide the molecular set (58 molecules) into 3 groups for calibration, validation and prediction. QSAR linear regressions of 1-5 descriptors were carried out using a mathematical algorithm, the Replacement Method. A 4-descriptor linear regression model was found to have the best validation results. This model was then used to predict the toxicity of 21 pesticides whose experimental values were unverified or less reliable. The predictions were generally close to the unverified reported values.
Fil: Duchowicz, Pablo Román. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas. Universidad Nacional de La Plata. Facultad de Ciencias Exactas. Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas; Argentina
Fil: Bennardi, Daniel Oscar. Universidad Nacional de La Plata. Facultad de Ciencias Agrarias y Forestales; Argentina
Fil: Aranda, José Francisco. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata. Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas. Universidad Nacional de La Plata. Facultad de Ciencias Exactas. Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas; Argentina