Modelos de predicción de actividad citotóxica en células SK-N-SH mediante técnicas de softcomputing en una muestra heterogénea de compuestos

Resumen

Las técnicas de softcomputing consisten en la combinación de técnicas de inteligencia artificial para la solución
de problemas. En los estudios de relación entre la estructura química y la actividad biológica se han venido aplicando con
éxito. En el presente trabajo se expone la aplicación de estas técnicas para el desarrollo de modelos de relación estructura
-actividad en una muestra heterogénea de 1 335 compuestos evaluados en el ensayo sobre viabilidad celular en células
SK-N-SH para determinar in vitro la citotoxicidad de pequeñas moléculas (Ensayo 435 de la base de datos del NCBI). Se
aplicó un sistema de inferencia borroso evolutivo a dicha muestra y se compararon los diferentes algoritmos aplicados.
La muestra seleccionada presentó una amplia diversidad estructural y una relación entre las clases activa e inactiva de
1 : 12, lo cual constituyó un gran desbalance entre ellas. En el pre-procesamiento de la muestra se emplearon los métodos
SMOTE e hibrido que contribuyen a reducir su desbalance hasta uniformarla. En el trabajo se definió además, el Índice
del Estado Refractotopológico Total de un fragmento como la suma de los valores del índice correspondiente de los átomos
pesados que lo conforman, el cual se empleó como descriptor estructural. Se logró una clasificación correcta de hasta
70,6 %, en dependencia del algoritmo utilizado, lo cual constituyó un resultado aceptable, teniendo en cuenta la elevada
diversidad estructural de la muestra y la heterogeneidad de las fuentes de datos biológicos.