RevInter - Intertox

RevInter
Ensaio
ISBN 1984-3577
Toxicologia in silico: Categorização e predição da
toxicidade do 1,3-Dioxolano-4-Metanol,2,2Dimetil-, (4 -R)- com ferramentas computacionais
Carlos E. M. dos Santos
Farmacêutico e Toxicólogo. Analista de Risco Toxicológico da Intertox.
E-mail: [email protected]
Resumo
A metodologia in silico é um novo avanço da Toxicologia no contexto da
avaliação e predição da toxicidade. Este novo conjunto de abordagens metodológicas,
baseado em modelos computacionais que incorporam o conhecimento sobre REA
(Relação Estrutura-atividade), QSAR(Quantitative Structure-activity Relationship),
estatística, e todo conhecimento sobre toxicidade adquirido em estudos de avaliação
da toxicidade, visa uma maior custo-efetividade e racionalização em experimentação
animal nos testes toxicológicos. Tal avanço traz aos países, especialmente aqueles
em desenvolvimento, maiores possibilidades de instituição de políticas de segurança
toxicológica, como o estabelecimento de ações regulatórias, preenchimento de fichas
de segurança,
gerenciamento de riscos, e priorização de testes com grupos de
substâncias e inventários locais; além da atualização frente às novas tendências e
regulamentações
internacionais
estabelecidas
no
âmbito
da
produção,
desenvolvimento e comercialização de produtos químicos. Neste trabalho, com o uso
de ferramentas computacionais, realizou-se a predição da (eco)toxicidade do
composto 1,3-Dioxolano-4-Metanol,2,2-Dimetil-, (4 –R),número CAS 14347-78-5,
considerando-se
endpoints
qualitativos
(carcinogenicidade,
genotoxicidade,
toxicidade para reprodução, potencial de irritação, e outros) e quantitativos
(estimativa de toxicidade aguda, com predições de Dose/Concentração Letal média
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
92
RevInter
Ensaio
ISBN 1984-3577
– DL50 e CL50). Foram obtidas estimativas da CL50 para Daphnia magna (48 hs e 24
hs) e Fathead minnow (ou Pimephales promelas)- 96 hs, e da DL50 (oral, para ratos).
Foram identificados resultados obtidos experimentalmente de um análogo
estrutural em bases de dados. Quanto ao potencial de toxicidade para a pele, a
substância foi categorizada como irritante para a pele, não sendo identificados
alertas para sensibilização dérmica. Identificou-se uma subestrutura com potencial
de ligação não covalente ao DNA, sendo que por outro lado, foram apresentados
também resultados negativos quanto à carcinogenicidade e reatividade com
biomoléculas por outros módulos do sistema. A substância apresentou resultado
negativo para toxicidade para a reprodução e potencial de ligação a receptores
estrogênicos. Os resultados foram discutidos com base em informações da literatura.
Palavras-chave: Avaliação da Toxicidade. 1,3-Dioxolano-4-Metanol,2,2-Dimetil-(4
–R). In silico. QSAR.
Abstract
The in silico methodology is a new advance of Toxicology in the context the
assessment and prediction of toxicity. This new set of methodological approaches,
based
in
computational
SAR(Structure-Activity
models
that
Relationship),
incorporate
the
QSAR(Quantitative
knowledge
about
Structure-activity
Relationship), statistic, and of all acquired knowledge about toxicity in studies of
Toxicity Assessment, aims a better cust-effectiveness and animal experimentation
rationalization in the toxicological tests. This advance bring to the countries,
especially those in development, greatest possibilities of insertion of chemical safety
policy, such the establishment of regulatory, filling of chemical safety data sheets,
risk managements, and test prioritization with substance set or local inventories;
beside of actualization relative the new trends e international regulatory actions
established in the ambit of production, development, and commercialization of
chemicals. In the study, using computational tools, was conducted the (eco)toxicity
prediction of 2,2-Dimethyl-1,3-dioxolane-4-methanol(4-R-), CAS number 14347-78-5,
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
93
Ensaio
considered
qualitative
RevInter
ISBN 1984-3577
(carcinogenicity,
genotoxicity,
reproduction
toxicity,
irritating potential, and others) and quantitative (acute toxicity estimative, with
median Lethal Dose and Concentration – LD50 and LC50) endpoints. Were obtained
LC50 estimates for Daphnia magna (48 and 24 hours) and Fathead minnow
(Pimephales promelas) - 96 hours, and the LD50 (oral, for rats) estimates. Were
identified experimental results for a structural analogue in the databases.
Regarding the potential for skin irritation, the substance was categorized as irritant
for skin, not being identified alerts for skin sensitization. Was identified a
substructure with potential of no covalent bond to the DNA, being the however,
were also presented negative results for genotoxic carcinogenicity and reactivity for
biomolecules by other modules systems. The substance presented negative results
for reproduction toxicity and for potential of estrogenic receptors bond. The results
were discussed based in literature information.
Keywords: Toxicity Assessment. 1,3-Dioxolane-4-methanol ,2,2-Dimethyl-(4-R). In
silico. QSAR.
INTRODUÇÃO
Com a chegada dos métodos in silico para a identificação e previsão da
toxicidade de substâncias, o preenchimento de lacunas em informações toxicológicas
se tornou uma nova possibilidade. A avaliação da toxicidade, como base para a
identificação do perigo de compostos químicos, é um passo primordial no
desenvolvimento de novas entidades químicas, sejam elas planejadas para uso
terapêutico; cosmético; como conservantes alimentares; como defensivos agrícolas;
adubos e fertilizantes; domissanitários; tintas; entre outros diversos produtos.
Toda substância química apresenta potencial toxicidade, em menor ou maior
grau, e tal conhecimento torna-se essencial para uma utilização considerada segura.
No amplo contexto dos produtos químicos, a avaliação da toxicidade auxilia na
seleção de candidatos segundo menor potencial de toxicidade, e sobretudo, fornece
as bases para (i) o estabelecimento de critérios e formas de uso ou manejo; (ii) para o
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
94
RevInter
Ensaio
ISBN 1984-3577
estabelecimento de ações regulatórias efetivas (ex: regulamentações sobre
transporte, importação ou exportação, etc.); (iii) para o atendimento a regulações já
previamente estabelecidas; e (iv) para o processo de avaliação de risco toxicológico e
ecotoxicológico.
Devido ao ritmo do desenvolvimento da produção química mundial, e, o alto
custo das avaliações tradicionais de toxicidade, a quantidade de animais
sacrificados, e maior tempo demandado para realização dos testes; foi proposto um
novo modelo de abordagem em testes de toxicidade. A Toxicologia in silico, uma das
fronteiras da Toxicologia, traz um novo paradigma de avaliação da toxicidade de
substâncias, no qual são feitas predições da toxicidade através ferramentas
computacionais, baseadas em modelos QSAR (Quantitative Structure-activity
Relationship), modelos REA (Relação Estrutura-atividade), modelos estatísticos,
entre outros (HELMA et al., 2004).
Estes novos métodos de previsão de toxicidade objetivam a racionalização de
testes com animais e maior custo-efetividade, o que traz aos países, especialmente
aqueles em desenvolvimento, maiores possibilidades de instituição de políticas de
segurança toxicológica e de atualização frente às novas regulamentações
internacionais estabelecidas no âmbito da produção e comercialização de produtos
químicos. Tal aprofundamento científico, ainda pouco explorado no Brasil, é sem
dúvidas de grande valor no contexto regulatório, avaliação de risco, e da gestão
ambiental (SANTOS, 2011).
A expansão da Toxicologia, partindo de uma ciência antes apenas
observacional, para uma ciência extremamente preditiva, partiu de uma série de
fragilidades observadas. Nesse caso, a extensa quantidade de produtos químicos
não-testados (novos e existentes) a serem avaliados; os altos custos dos testes de
toxicidade tradicionais; o tempo demandado, e o grande número de animais
sacrificados em testes (Collins, 2008). Com os avanços em Toxicologia Molecular e
Bioquímica,
Ciências
Computacionais
(inclusive
da
Biologia
e
Química
Computacional), entre outras, tornou-se possível estabelecer um novo paradigma
para avaliação de substâncias, através da Toxicologia Computacional (USEPA,
2010a).
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
95
Ensaio
RevInter
ISBN 1984-3577
A Toxicologia Computacional pode ser definida como a área da Toxicologia, na
qual são aplicados modelos computacionais e matemáticos para a predição de efeitos
adversos, e, para o melhor entendimento do(s) mecanismo(s) através do(s) qual(is)
uma determinada substância provoca o dano (IUPAC, 2007 apud Santos, 2011;
Hubal, 2008).
Segundo Helma e colaboradores (2004) as técnicas in silico ou baseadas em
modelos computacionais podem ser categorizadas em três classes: (i) Modelagem
molecular – análise computacional da relação entre um agente tóxico,e um ou mais
alvos moleculares, geralmente armazenados em base de dados de proteínas; (ii)
Expert systems – técnicas que simulam o raciocínio humano à cerca do fenômeno
toxicológico ou toxicidade; e (iii) Data Driven Systems – incluem métodos que
derivam previsões a partir de uma série de dados obtidos experimentalmente.
A Modelagem molecular é uma abordagem muito usada em pesquisa
farmacêutica, podendo ser aplicada à Toxicologia. É necessário dispor da estrutura
do alvo molecular, geralmente obtida por cristalografia de raio X, e que
posteriormente, é construída computacionalmente e armazenada em bases de dados
como PDB (Protein Data Base). A partir disso, podem ser feitos testes
computacionais medindo a energia de ligação entre potenciais ligantes e os alvos
moleculares, sendo que atualmente existem elucidadas muitas famílias de alvos de
importância toxicológica, como receptores estrogênicos e outros receptores
nucleares, quinases, hidrolases, entre outros. (Rabinowitz, 2009).
Nos “Expert Systems”, são inseridas informações com base no conhecimento
humano sobre propriedades moleculares, de metabolismo e toxicidade, baseadas em
diferentes modelos, tais quais: modelos QSAR, REA, modelos matemáticos e
estatísticos, entre outros modelos obtidos de trabalhos científicos considerados
adequados. Por exemplo, pode ser inserido no software a informação de que
determinada (sub)estrutura é responsável por determinada atividade, nesse caso,
chamada de bióforo (ou toxicóforo, em se tratando de atividade tóxica), fazendo-se
predições de toxicidade a partir de alertas estruturais. Em outros casos, podem ser
inclusos modelos QSAR, considerando por exemplo descritores moleculares como o
Log de Kow ou quantidade de doadores de ligação de hidrogênio, amplamente
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
96
Ensaio
RevInter
ISBN 1984-3577
utilizados para estimar toxicidade para organismos aquáticos (Beningi et al., 2009;
Netzeva, 2007; Helma et al., 2004).
Os “Data Driven Systems” são baseados em métodos de previsão derivados de
dados experimentais, baseados em QSAR, REA e outras metodologias. A partir de
modelos QSAR são derivadas equações, considerando os valores de dados
experimentais, como no caso de resultados de testes com espécies aquáticas. Tais
equações podem ser utilizadas para fazer as predições para novas substâncias que
compartilham similaridade estrutural ou mecanística (OECD, 2010; Helma, 2004).
A qualidade e confiança dos modelos, apesar de processos próprios de
validação dos sistemas, dependem do endpoint em questão. Por exemplo, os modelos
para toxicidade aguda e carcinogenicidade genotóxica são mais confiáveis, devido a
relativa maior abundância de dados experimentais e ao maior conhecimento
mecanístico (ex. reatividade química e ligação eletrofílica ao DNA), respectivamente
(Gatnik, 2010).
A abordagem de validação estatística externa é utilizada pela USEPA, na
qual são utilizados dados experimentais que não fazem parte do grupo de teste
(dados experimentais externos), avaliando-se a correlação de resultados, baseandose na premissa de que as CL50 de algumas espécies possuem alta correlação de dose.
Assim, por exemplo, sabendo que para um dado agente químico, existe uma
correlação entre CL50 para espécie A e CL50 para espécie B (maior ou menor
sensibilidade), compara-se o valor de determinada predição com o valor
estimado/conhecido (USEPA, 2010b).
Neste trabalho, objetivou-se apresentar os métodos e ferramentas da
Toxicologia in silico, e, aplicar tais conhecimentos experimentalmente, ou seja,
realizar através destas ferramentas a avaliação preditiva da toxicidade e do
comportamento ambiental de uma substância, nesse caso, o 1,3-dioxolano-4metanol, 2,2-dimetil-, (4r)-, um derivado dioxolano, número CAS 14347-78-5, de uso
conhecido na indústria, cujos dados de toxicidade são relativamente reduzidos.
Apresenta-se também, a discussão dos resultados da avaliação em relação a
informações encontradas na literatura.
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
97
RevInter
Ensaio
ISBN 1984-3577
RECURSOS METODOLÓGICOS
As CLs50 para duas diferentes espécies aquáticas e a DL50 (oral, para ratos)
foram estimadas através do método Consensus com o software T.E.S.T©, versão 3.3
de 2010 (USEPA, 2010b). Realizou-se também a predição da CL50 para Daphnia
magna através da metodologia Análise de tendência com o software QSAR
Toolbox©, tendo o Log de Kow como descritor, considerando no estudo análogos com
similaridade acima de 50% e que compartilhassem a mesma mecanística (narcose)
(OECD, 2010), sendo encontrados no sistema 39 análogos disponíveis para o
endpoint considerando um tempo de exposição de 24 horas.
As predições foram feitas com base no desenho da forma estrutural,
considerando a forma enantiomérica do derivado dioxolano correspondente ao obtido
pelo número CAS 14347-78-5 (ver fig. 1) no QSARToolbox, com configuração R, já
que a substância possui centro estereogênico no carbono 4 e duas possíveis
conformações (R e S).
CH3
H3C
O
O
H
OH
Figura 1. Estrutura do 1,3-Dioxolano-4-Metanol,2,2-Dimetil-, (4 -R)- considerada nas análises com
os softwares T.E.S.T e QSAR Toolbox. O centro estereogênico é indicado pela seta.
Foram utilizados os softwares Toxtree© e QSAR Toolbox para análise de
subestruturas do derivado dioxolano ligadas à atividade tóxica, considerando-se a
predição de múltiplos endpoints qualitativos (mutagenicidade, carcinogenicidade,
potencial de ligação a receptores estrogênicos, toxicidade para a reprodução, entre
outros). O potencial de toxicidade para o desenvolvimento foi avaliado pelo software
T.E.S.T através da metodologia CAESAR Random Forest. Um resumo da
abordagem metodológica é apresentado no quadro 1.
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
98
RevInter
Ensaio
ISBN 1984-3577
Quadro 1. Resumo da abordagem metodológica nas predições, considerando os
efeitos considerados e os respectivos sistemas utilizados, segundo agência
responsável
Efeito
Metodologia ou modelo
de avaliação
CL50 Daphnia magna
Metodologia QSAR Consensus
(48 hr) mg/L
CL50 Fathead minnow
Metodologia QSAR Consensus
(96 hr) mg/L
CL50 Daphnia magna
Análise de Tendência
(24 hr) mg/L
Mutagenicidade,
Carcinogenicidade
Alertas estruturais/Modelos
Potencial de irritação, e
QSAR, e outros modelos
outros endpoints
Toxicidade para a
Alertas estruturais, Modelos
reprodução e para o
QSAR e outras metodologias
Desenvolvimento
Software
T.E.S.T
T.E.S.T
Agência
USEPA
(2010)
USEPA
(2010)
QSAR Toolbox
OECD (2010)
Toxtree
QSAR Toolbox
CE(2010)
OECD (2010)
QSAR Toolbox
T.E.S.T
OECD (2010)
USEPA(2010)
Os resultados obtidos foram discutidos com base em informações encontradas
na literatura. Realizou-se a busca de informação sobre toxicidade da substância do
estudo, com base em identificadores comuns (nome químico e n° CAS), além da
busca pela estrutura química, nas bases de dados Expub, TOXNET e ChemIDplus,
considerando a hipótese de que haja ambigüidade no registro de substâncias.
RESULTADOS E DISCUSSÃO
Toxicidade aguda
A avaliação in silico realizada com o software T.E.S.T (USEPA), através do
método Consensus, analisando a toxicidade aguda do 1,3-Dioxolano-4-Metanol,2,2Dimetil-(4-R), resultou em um valor predito da CL50 para Daphnia magna (48 hs) de
886,23 mg/L, não sendo identificados para este endpoint resultados obtidos
experimentalmente (com métodos tradicionais). A predição de CL50 para Fathead
minnow (ou Pimephales promelas)- 96 hs resultou em um valor igual a 4823,92
mg/L, sendo que o sistema identificou, através da estrutura um valor obtido
experimentalmente na base de dados ECOTOX (Quadro 2).
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
99
Ensaio
RevInter
ISBN 1984-3577
Ressalta-se que substância correspondente ao resultado experimental
identificado pelo T.E.ST, nesse caso, com o nome 2,2 Dimetil -1,3-dioxolano-4metanol, está registrada com outro número (CAS 100-79-8), sendo estruturalmente
idêntica (coeficiente de similaridade igual a 1) ao derivado do presente estudo, no
entanto, sem a descriminação de uma dentre as duas possíveis conformações
estruturais (R ou S), já que o substituinte hidrogênio do carbono 4 foi omitido (fig. 1
e 2) (TOXNET, 2011).
Quadro 2. Predições de CL50 (Daphnia magna, 48 hs; e Fathead minnow*, 96 hs)
para a substância 1,3-Dioxolano-4-Metanol,2,2-Dimetil-(R) através do método
Consensus com o software TEST. Na segunda coluna são apresentados valores de
resultados experimentais obtidos em bases de dados (disponível apenas a CL 50 para
Fathead minnow), e na terceira coluna, os valores preditos pelo sistema.
Prediction results
Endpoint
Experimental value
Predicted value
Daphnia magna LC50 (48 hr) –
N/A
2,17
Log(mol/L)
Daphnia magna LC50 (48 hr)
N/A
886,23
mg/L
Fathead minnow LC50 (96 hr) 0,90 **
1,44
Log(mol/L)
Fathead minnow LC50 (96 hr)
16717,29 **
4823,92
mg/L
Fonte: Relatório obtido pelo software T.E.S.T
*Pimephales promelas
**Valores experimentais disponíveis na base ECOTOX correspondente à substância com CAS 100-79-8
Figura 2. 2,2 Dimetil -1,3-dioxolano-4-metanol, número CAS 100-79-8,reportada no ChemIDplus
sem discriminação da conformação estrutural
O valor predito de CL50 (D. magna, 24 hs) do derivado dioxolano, obtido
através da Análise de tendência com o QSAR Toolbox©, foi igual a 2,07
log(1/mol/L) (equivalente a 1130 mg/L), com uma faixa de 1,89 a 2,24 log
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
100
RevInter
Ensaio
ISBN 1984-3577
(1/mol/L) considerando um intervalo de confiança de 95% (Fig. 3). Comparando
este resultado com a predição do software T.E.S.T para CL50 (D. magna, 48hs),
observa-se que a predição feita pelo QSAR Toolbox foi 21,57% maior, o que seria
aceitável, já o tempo de exposição considerado neste último (de 24hs) é inferior ao
outro (de 48 horas).
Figura 3. Resultado da predição de CL50 (D. magna, 24 hs) do derivado dioxolano feita através da
Análise de tendência com o QSAR Toolbox, baseada em dados de 39 análogos com similaridade maior
que 50%. A CL50(ordenada) é estimada segundo o descritor Log de Kow dos análogos(abscissa). O
valor predito foi igual a 2,07 log(1/mol/L) ou 1130 mg/L; com uma faixa de 1,89-2,07 log(1/mol/L),
considerando um limite de confiança de 95%.
O resultado da predição de toxicidade oral aguda realizado com o software
T.E.S.T, pelo mesmo método anteriormente utilizado, apresentou uma estimativa de
DL50 (oral, para ratos) igual a 8398,98 mg/kg. O sistema encontrou um resultado
experimental pela estrutura química, na base de dados ChemIDplus, com uma DL50
(oral, para ratos) igual a 7001,09 mg/kg (quadro 3). Assim como no caso anterior, o
valor obtido experimentalmente é correspondente ao derivado dioxolano com CAS
número 100-79-8, reportado na base ChemIDplus.
Quadro 3. Predição de DL50 (oral, para ratos) para a substância 1,3-Dioxolano-4Metanol,2,2-Dimetil através do método Consensus com o software TEST(coluna 3).
O sistema identificou um resultado experimental (segunda coluna) reportado no
ChemIDplus
Prediction results
Endpoint
Experimental
value
CAS: 100-79-8
Source:
Predicted
valuea
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
101
Ensaio
RevInter
ISBN 1984-3577
ChemidPlus
Oral rat LD50 -Log(mol/kg)
Oral rat LD50 mg/kg
1,28
7001,09
1,20
8398,98
Fonte: Relatório obtido pelo T.E.S.T
a Nota: A substância de teste foi incluída no grupo do teste externo
Mutagenicidade e Carcinogenicidade
Através do Toxtree e QSAR Toolbox, foi identificada uma subestrutura no
derivado dioxolano com alerta estrutural positivo segundo as Regras de ensaio de
micronúcleo em roedores (fig. 4). Esse alerta considera a possibilidade da substância
interagir com o DNA através de ligações não covalentes . Tal informação pode ser
útil e direcionar estudos e servir como filtro “coarse-grain” numa avaliação
preeliminar (útil para a priorização), no entanto, o alerta estrutural isolado possui
determinada limitação na definição dos agentes que são ou não tóxicos, já que o
alerta estrutural não considera a modulação da toxicidade pelas demais
subestruturas (Benigni et al., 2009, p.8 ).
Figura. 4. Alerta estrutural positivo do derivado dioxolano para ensaio de micronúcleo em roedores.
Uma fração da estrutura do derivado dioxolano foi identificada como similar ao alerta estrutural
para substâncias positivas em ensaio de micronúcleo em roedores A= Algum átomo, exceto
hidrogênio; H-bond-Acc= Algum átomo que é um potencial receptor de ligação de hidrogênio.
Por outro lado, através da análise segundo as Regras Benigni/Bossa de
Carcinogenicidade e Mutagenicidade, não foram identificados alertas estruturais
para o derivado dioxolano, sendo que o sistema reportou o resultado como “negativo
para carcinogenicidade genotóxica e não-genotóxica”. O QSAR Toolbox também não
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
102
Ensaio
RevInter
ISBN 1984-3577
identificou alertas estruturais segundo as regras Benigni/Bossa, reportando o
resultado “Não há alertas para a atividade carcinogênica”.
Corrosão, irritação e sensibilização dérmica
Em relação ao potencial de irritação/corrosão, o Toxtree incluiu o derivado
dioxolano na categoria “irritante para a pele”, considerando suas características
físico-químicas e sua estrutura. Não foram identificados alertas estruturais para a
sensibilização
dérmica.
Quanto à irritação/corrosão, o QSAR Toolbox incluiu o composto na categoria
“indefinido”, sendo as regras de inclusão/exclusão não aplicáveis. Quanto ao
potencial de ligação à proteínas (via comum de sensibilização dérmica), o derivado
dioxolano foi categorizado como “não-ligante”.
Atribui-se a divergência de resultados nos diferentes sistemas ao fato de que
os modelos utilizados para predição são baseados em diferentes metodologias. O
Toxtree, por exemplo, faz a predição com base em informações de algumas
propriedades físico-químicas, como o ponto de ebulição, ponto de fusão, solubilidade
em água e em lipídios, considerando que algumas faixas de valores dessas
características determinam o potencial de irritação.
Toxicidade para a reprodução e para o desenvolvimento
Não foram encontradas características estruturais que indicassem potencial
de ligação a receptores estrogênicos (via comum de toxicidade para a reprodução e
para o desenvolvimento), segundo o componente do QSAR Toolbox Estrogen
Receptor Binding.
Na análise feita com o T.E.S.T, o derivado dioxolano teve resultado negativo
para toxicidade para o desenvolvimento. O método QSAR utilizado é baseado em 13
descritores moleculares, sendo um dos modelos que apresentou melhores resultados
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
103
Ensaio
RevInter
ISBN 1984-3577
na avaliação da capacidade preditiva dentre modelos CAESAR de avaliação de
toxicidade para o desenvolvimento (Cassano, 2010).
Outras informações mecanísticas
Não foram identificadas subestruturas na substância com potencial de ligação
ao DNA, segundo os alertas estruturais da OECD e OASIS inclusos no QSAR
Toolbox. Quanto à reatividade, o derivado dioxolano foi classificado pelo Toxtree
como “não reativo via adição de Michael”. Sabe-se que agentes químicos que agem
como aceitadores de Michael são capazes de formar ligações irreversíveis com
biomoléculas nucleofílicas, como proteínas e o DNA, podendo resultar em diversos
de efeitos tóxicos (Schwöbel, 2010, p. 3).
Informação em bases de dados
Na busca feita pelo Expub sobre o 1,3-Dioxolano-4-Metanol,2,2-Dimetil-, um
resultado de ensaio de toxicidade aguda para Fathead minnow (CL50, 96 hs) foi
obtido nas bases de dados ECOTOX e Fathead Minnow Database, com valor igual a
16700 mg/L, provavelmente o mesmo encontrado pelo software T.E.S.T©,
apresentado anteriormente. Pela mesma busca foram encontrados resultados na
base de dados RTECS - Registry of Toxic Effects of Chemicals Substances®, em que
são apresentados resultados de testes de toxicidade aguda e de micronúcleo. O
resultado de toxicidade aguda, teve como resultado uma DL50 (oral, para ratos) de 7
g/kg (7000 mg/kg), nesse caso, do mesmo estudo encontrado no ChemIDplus e
software T.E.S.T©. No resultado encontrado de teste de micronúcleo com dioxolano,
houve aumento significante da incidência de células sanguíneas micronucleadas de
camundongos expostos a faixa de dose de 1500-6000 mg/kg (via intraperitoneal), o
que concordaria com o alerta estrutural que encontramos de Regras de ensaio de
micronúcleo em roedores, embora não haja detalhes de qual forma do dioxolano
tenha sido utilizada no teste encontrado na base de dados RTECS.
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
104
RevInter
Ensaio
ISBN 1984-3577
Fazendo a busca de informação sobre carcinogenicidade na base de dados
TOXNET
(Toxicology
Data
Network)
não
foram
identificados
testes
de
carcinogenicidade para o derivado dioxolano do estudo. Realizando a busca para
uma subestrutura, nesse caso o anel dioxolano, verificamos resultados negativos em
testes de Ames com diferentes cepas, com e sem ativação metabólica nos testes.
Observamos que nos resultados obtidos nas bases de dados, não está sendo
discriminada a conformação estrutural (se R ou S) do 1,3-Dioxolano-4-Metanol,2,2Dimetil-, sendo registrado com o n° CAS diferente (número 100-79-8) da substância
de estudo (CAS 14347-78-5), embora a forma estrutural seja idêntica. Tal
ambigüidade no CAS, traz a hipótese de que nos testes, a substância administrada
possa ter sido a forma R (idêntica à do estudo), ou a S (um isômero enantiômero) ou
uma mistura com ambas formas.
Do ponto de vista toxicológico, apesar de ser um pequeno detalhe, a
identificação da conformação estrutural é essencial. Na literatura temos exemplos
de substâncias com estrutura idêntica e conformação diferente (enantiômeros), com
comportamento biológico similar, e, também comportamento biológico diferente,
como no exemplo clássico da Talidomida, cujo isômero S apresentou atividade
teratogênica, e que após estudos, descobriu-se que a forma R pode sofrer
epimerização in vivo do centro quiral, podendo apresentar também atividade
teratogênica. Alguns fármacos são atualmente vendidos com pureza óptica como o
caso do Propanolol (forma S), Captopril (S,S), Verapamil e Naproxeno (S) devido ao
conhecimento de suas diferenças na atividade biológica (Barreiro et al., 1997).
Considerações Finais
O conhecimento de que métodos in silico podem preencher lacunas em
informações sobre toxicidade pode contribuir muito para as políticas de segurança
química no Brasil. Tal metodologia adequa-se ao atual padrão da produção e
utilização química no mundo, sobretudo em países subdesenvolvidos, onde os
recursos são ainda mais escassos. A abordagem in silico é custo-efetiva,
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
105
Ensaio
RevInter
ISBN 1984-3577
relativamente rápida, e reduz o uso indiscriminado de animais em testes, podendo
substituí-los em situações específicas, ou auxiliar na definição de prioridades em
processos que incluem testes biológicos.
A aplicação dessas ferramentas, ainda muito pouco exploradas no Brasil,
pode ampliar o contexto da análise do risco químico à abordagens mais preditivas;
melhorar as políticas de segurança e regulação de substâncias; preencher lacunas
em fichas de informação sobre toxicidade; e auxiliar no desenvolvimento de novas
entidades químicas para vários fins, considerando a escolha daquelas que ofereçam
menor preocupação à saúde e ao meio ambiente.
Agradecimentos
À direção da Intertox pela bolsa de estágio e pesquisa. Ao grupo de Toxicologia
Computacional da Comunidade Européia, à OECD, e à USEPA pela criação e
disponibilização das ferramentas computacionais. Aos professores Fausto Azevedo,
Eustáquio Borges, e Matheus Sá, pelas valiosas orientações, discussões e reflexões
sobre a importância do tema."
REFERÊNCIAS
1- BENIGNI, Romualdo et al. Development of structural alerts for the in vivo
micronucleus assay in rodents. Luxembourg: Eur – Scientific And Technical
Research Series, 2009. 40 p.
2- BARREIRO, E. J.; FERREIRA, Vitor F.; COSTA, Paulo R. R.. Substâncias
Enantiomericamente Puras (SEP): a questão dos fármacos quirais. Química Nova,
Rio de Janeiro, v. 6, n. 20, p.647-656, 23 jan. 1997.
3- CASSANO, Antonio [et al]. CAESAR models for developmental toxicity.
Chemistry Central Journal, Milan, v. 4, n. 1, p.1-11, 2010.
4- COLLINS, F. S. et al. Transforming Environmental Health Protection. Science.
v. 319, p. 906-907, 2008.
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
106
Ensaio
RevInter
ISBN 1984-3577
5- GATNIK, Mojca Fuart; WORTH, Andrew. Review of Software Tools for
Toxicity Prediction. Luxembourg: JRC, 2010. 22 p. (Scientific and Technical
Research series).
6- HELMA, Christoph. In silico Predictive Toxicology: The State of the Art and
Strategies to Predict Human Health Effects. Curr Opin Drug Discov Devel.,
Freiburg, v. 8, n. 1, p.27-31, 2004.
7- HUBAL, Elaine Cohen. Computational Toxicology. In: WORKSHOP ON
TOXICOGENOMICS IN RISK ASSESSMENT. TOXICOLOGY AND RISK
ASSESSMENT CONFERENCE., 2., 2008, Cincinnati. Computational
Toxicology. Cincinnati: Office Of Research And Development. National Center For
Computational Toxicology, 2008. p. 1 - 50.
8- IUPAC - INTERNATIONAL UNION OF PURE AND APPLIED CHEMISTRY.
IUPAC Glossary of Terms Used in Toxicology. Pure and Applied Chemistry, v.
79, n. 7, p. 1153-1344, 2007.
8- NETZEVA, Tatiana; PAVAN, Manuela; WORTH, Andrew. Review of Data
Sources, QSARs and Integrated Testing Strategies. Luxembourg: Eur –
Scientific And Technical Research Series, 2007. 96 p.
9- OECD - ORGANISATION FOR ECONOMIC CO-OPERATION AND
DEVELOPMENT. QSAR Toolbox, v. 2, User manual Getting Started. Paris:
OECD, 2010a. 36 p.
10- RABINOWITZ, James R. et al. Molecular Modeling for Screening
Environmental Chemicals for Estrogenicity: Use of the Toxicant-Target Approach.
Chem. Res. Toxicol., North Carolina, v. 9, n. 22, p.1594-1602, 2009.
11- SCHWÖBEL, Johannes; CRONIN, Mark; MADDEN, Judith. (Q)SARs for
the Prediction of Reactive Toxicity. Liverpool: European Union, 2010. 14 p.
12- SANTOS, Carlos Eduardo M. Toxicologia in silico: uma nova abordagem para
análise do risco químico. RevInter - Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n.1, p. 47-63, fev. 2011.
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
107
Ensaio
RevInter
ISBN 1984-3577
13- USEPA - United States Environmental Protection. User’s Guide for
T.E.S.T. (Toxicity Estimation Software Tool), version 3.3: A Program to
Estimate Toxicity from Molecular Structure. Cincinnati: USEPA, 2010b. 56 p.
14- WALKER, John D. et al. Use of QSARs to Promote More Cost-Effective Use
of Chemical Monitoring Resources: Screening Chemicals for Hydrolysis Half-Lives,
Henry’s Law Constants, Ultimate Biodegradation Potential. Water Qual. Res. J.,
Canadá, v. 39, n. 1, p.40-49, 2004.
BASES DE DADOS E SITES
15- ChemIDPlus Advanced. United States National Library of Medicine. Disponível
em: <http://chem.sis.nlm.nih.gov/chemidplus/> Acesso em: 30 de abril de 2011.
16 – Expub. Expert Publishing. Disponível em: <www.expub.com> Acesso em: 30 de
abril de 2011.
17- TOXNET - TOXICOLOGY DATA NETWORK. Databases on toxicology,
hazardous chemicals, environmental health, and toxic releases. Disponível
em: <http://toxnet.nlm.nih.gov/>. Acesso em: 30 abr. 2011.
18- USEPA - United States Environmental Protection. Quantitative Structure
Activity Relationship. Disponível em: <http://www.epa.gov/nrmrl/std/cppb/qsar/>.
Acesso em: 10 abr. 2010a.
SANTOS, Carlos Eduardo Matos dos. Toxicologia in silico: categorização e predição da toxicidade do
1,3-Dioxolano-4-Metanol,2-2Dimetil, (4-R). RevInter Revista Intertox de Toxicologia, Risco
Ambiental e Sociedade, v. 4, n. 2, p. 92-109, jun. 2011.
108