Se puede definir la toxicología computacional como una rama de la toxicología que utiliza la estadística, la química computacional y técnicas informáticas para predecir los efectos tóxicos de las sustancias químicas en la salud humana y en el medio ambiente.
En los últimos años se ha puesto de manifiesto la necesidad de generar datos toxicológicos mediante otros métodos diferentes a la experimentación animal lo que ha conducido a un amplio desarrollo de la toxicología computacional. Además, la toxicología computacional ha demostrado ser una herramienta útil para comprender los mecanismos por los que una determinada estructura química produce efectos farmacológicos y toxicológicos.
Existen diferentes herramientas de toxicología computacional como son los métodos in silico basados en la relación estructura actividad y en la relación estructura actividad cuantitativa ((Q)SAR, -Quantitative- Structure-Activity Relationships), o los modelos Read Across.
Los modelos QSAR son modelos computacionales que predicen las propiedades de una sustancia en base a su estructura molecular. Los sistemas de QSAR tipo “experto” (o “rule-based” QSAR) se elaboran a partir datos bibliográficos que permiten identificar de manera empírica la toxicidad asociada a grupos estructurales específicos, denominados toxicóforos. Por su parte, los sistemas QSAR estadísticos se basan en datos empíricos que permiten asignar un valor toxicológico de probabilidad basado en la presencia de grupos funcionales, propiedades fisicoquímicas, grupos adyacentes y del entorno químico en la molécula en estudio. La conjunción de ambos estudios QSAR tipo “experto” y tipo “estadístico” permitirá predecir con exactitud diferentes parámetros toxicológicos, evitando en muchos casos la realización de test experimentales in vitro e in vivo.
Por otra parte, los modelos Read Across permiten definir parámetros toxicológicos de una sustancia mediante el uso de datos toxicológicos de sustancias análogas. Estos modelos se basan en que las moléculas estructuralmente análogas podrán presentar patrones toxicológicos, farmacológicos o metabólicos alineados y compartir así estas propiedades.
La aplicación de todos estos modelos está ampliamente reconocida y promovida en la actualidad por agencias sanitarias, agencias alimentarias, agencias del medio ambiente o agencias de la química.
Así, la integración de los resultados obtenidos por uno o preferiblemente varios de estos modelos de toxicología computacional permitirá predecir parámetros toxicológicos y ecotoxicológico en ausencia de datos experimentales, reduciendo por tanto la experimentación animal.
