Rodolfo Gonella Diaza Laboratorio di Chimica e Tossicologia dell’Ambiente Dipartimento Ambiente e Salute Una nuova piattaforma in house per lo sviluppo e la raccolta di modelli in silico per la predizione della tossicità di sostanze chimiche Mercoledì 27 Maggio 2009 Club di dipartimento 1

Introduzione al problema Circa 150000 sostanze chimiche prive di completa caratterizzazione (eco)tossicologica Legislazione REACH (Registration, Evaluation and Authorisation of CHemicals) Caratterizzazione delle sostanze chimiche in commercio in UE: Proprietà Fisico-Chimiche; Studi Ecotossicologici; Studi tossicologici. Costo totale stimato per i test: 10.5 miliardi di Euro nel prossimo decennio 2

Introduzione al problema Trend legislativo verso la riduzione dei test in vivo su animali per scopi regolatori REACH: Title 1. …This Regulation should also promote the development of alternative methods for the assessment of hazards of substances. Title 38. The generation of information by alternative means offering equivalence to prescribed tests and test methods should also be allowed, for example when this information comes from valid qualitative or quantitative structure activity models or from structurally related substances. …. Article 13 (1). … In particular for human toxicity, information shall be generated whenever possible by means other than vertebrate animal tests, through the use of alternative methods… (fonte: Regulation (EC) No 1907/2006 pf the european parliament and the council of 18 December 2006) NORMATIVA UE SUI COSMETICI: The Cosmetics Directive foresees a regulatory framework with the aim of phasing out animal testing. It establishes a prohibition to test finished cosmetic products and cosmetic ingredients on animals (testing ban)… …The marketing ban will apply step by step as soon as alternative methods are validated and adopted in EU legislation… (fonte: http://ec.europa.eu/enterprise/cosmetics/html/cosm_animal_test.htm) 3

Introduzione al problema La legislazione REACH promuove la riduzione dei test in vivo I metodi alternativi non sostituiscono completamente quelli in vivo I metodi in silico possono essere utilizzati come parte degli Integrated Testing Strategies (ITS) Utilizzo animali 19.5 milioni 11.3 milioni 10.5 milioni Costi 10.5 miliardi di Euro 7.5 miliardi di Euro 5.5 miliardi di Euro Utilizzo dei metodi in silico Minimo Moderato (scenario ideale) Massimo 4

Introduzione al problema La comunità europea finanzia progetti di ricerca per lo sviluppo dei metodi alternativi 5

Quantitative Structure-Activity Relationship Metodi in silico: QSAR QSAR Quantitative Structure-Activity Relationship Sviluppo di modelli predittivi Codifica in software open source 6

Validazione del modello QSAR Metodi in silico: QSAR attività = f(struttura) Struttura molecolare Attività (es. tossicità) ? Validazione del modello QSAR Analisi Statistica Descrittori molecolari … … … … X Proprietà di interesse Y Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 7

Due importanti ambiti di sviluppo/utilizzo Metodi in silico: QSAR Due importanti ambiti di sviluppo/utilizzo Ricerca scientifica Regolatorio Software disponibili: Free / Open Source Proprietari Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 8

Ricerca scientifica: Modello per la predizione di mutagenicità Metodi in silico: QSAR Ricerca scientifica: Modello per la predizione di mutagenicità Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 9

Ricerca scientifica: Modello per la predizione di mutagenicità Metodi in silico: QSAR Ricerca scientifica: Modello per la predizione di mutagenicità Classe dei composti ammine aromatiche ed eteroaromatiche Potenziale mutageno: log (num revertenti / nmol) Training Set: 66 / Test Set: 27 Descrittori: CDK & CODESSA (576 calcolati) Multilinear Regression Modello lineare: c1x1+c2x2+c3x3+…+cnxn+d = y n = numero descrittori selezionati (4) y = tossicità predetta dal modello Test di validazione interna (LOO CV) Test in predizione Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 10

Ricerca scientifica: Modello per la predizione di mutagenicità Metodi in silico: QSAR Ricerca scientifica: Modello per la predizione di mutagenicità Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and R2 = 0.80 / R2CV = 0.77 11

Ricerca scientifica: Modello per la predizione di mutagenicità Metodi in silico: QSAR Ricerca scientifica: Modello per la predizione di mutagenicità Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and R2 = 0.74 12

!!! Metodi in silico: QSAR Ambito regolatorio Vengono spesso utilizzati software commerciali Topkat Derek Multicase Elevati costi delle licenze Mancanza di completa trasparenza !!! Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and Sviluppo freeware: modelli QSAR predittivi di attività tossicologiche per il REACH 13

Piattaforma in silico per modelli QSAR Requisiti del software sviluppato Semplice ed intuitivo Portabile Aggiornabile ed estensibile Sicurezza dei dati sensibili dell’utente Gestione di software/codice proprietario Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 14

Piattaforma in silico per modelli QSAR Software sviluppato Applicativo on line Linguaggio Java Sviluppato come container Ogni modello è un programma a sé inserito nel container Interfaccia grafica step-by-step lato utente (client) Software modelli su computer remoto (server) Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 15

Piattaforma in silico per modelli QSAR http://www.caesar-project.eu/software Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 16

Estensione del software sviluppato Sviluppi futuri Estensione del software sviluppato Integrazioni di altri modelli esistenti (es. mutagenesi) Sviluppo di nuovi modelli Preparazione documentazione Divulgazione e fruizione del software Attraverso siti internet (caesar-project.eu, in-silico.eu) EC Funded project ORCHESTRA: progetto con finalità divulgative Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 17

Ringraziamenti Dipartimento Ambiente e Salute Prof. Emilio Benfenati Alessandra Roncaglioni Alberto Manganaro Anna Lombardo Chiara Milan Elena Boriani Andrey Toropov Mosè Casalegno Chiara Porcelli Antonio Chana Silvia Lai Antonio Cassano Luigi Cappellini Renzo Bagnati Roberta Campagna Michela Bertuzzi Laura Brunelli Donatella Carpi Jordi Boix Giorgio Celeste Emanuela Minna Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 18

Grazie a tutti Ringraziamenti 19 Y response: not trivial point introducing noise either with x or y matrix Stat analysis: variable selection and 19