Desarrollo de un modelo computacional para predecir la toxicidad de las nanopartículas basado en factores físico-químicos

Abstract

[Resumen]: En los últimos años, el estudio de los nanomateriales ha ganado gran relevancia debido a sus numerosas aplicaciones en campos como la biomedicina, la electrónica o la informática. Como consecuencia de su tamaño extremadamente pequeño y su alta relación superficie-volumen, los nanomateriales pueden presentar propiedades físicas, químicas y biológicas diferentes de las de materiales de mayor tamaño, lo que puede generar efectos citotóxicos y/o genotóxicos. Este trabajo se centra en el desarrollo de un modelo computacional basado en técnicas de aprendizaje automático para predecir la toxicidad de las nanopartículas que, utilizando una base de datos experimental procedente de ensayos in vitro e in vivo, permite identificar los factores físico-químicos más influyentes y contribuir a reducir la necesidad de ensayos toxicológicos experimentales, incluyendo aquellos realizados en animales.

[Abstract]: In recent years, nanomaterials have become increasingly important due to their wide range of applications in fields such as biomedicine, electronics, and computer science. Their extremely small size and high surface-to-volume ratio translate into the rise of unique physical, chemical, and biological properties that can differ from those of larger materials—sometimes leading to cytotoxic or genotoxic effects. This study presents a machine learning-based computational model designed to predict nanoparticles toxicity. Using an experimental database compiled from both in vitro and in vivo assays, the model identifies the most influential physicochemical factors and aims to reduce the need for experimental toxicological testing, including tests involving animals.