Los modelos computacionales, también conocidos como análisis in silico, son otra de las formas alternativas que existen hoy en día para evitar el uso de animales en ciertos tipos de experimentación. En este tipo de análisis no se realiza un experimento físico como tal, sino que se utilizan las bondades de la tecnología para trabajar con la información que se tiene disponible actualmente, ya sea por medio de bases de datos en donde se concentran gran parte de los estudios realizados tanto en animales, individuos humanos sanos y humanos con alguna condición clínica para así poder comparar resultados y metodologías utilizadas con ayuda de diversos filtros que nos ofrece el sistema. Estas bases de datos se mantienen en actualización constante y pueden utilizarse como forma de revisar qué se ha hecho ya con la molécula o ingrediente de nuestro interés (Dellambra et al., 2019).

La otra metodología utilizada es por medio de softwares especializados que utilizan las características físicas, químicas y biológicas de una molécula para hacer predicciones sobre su comportamiento. Estas predicciones se basan en la idea de que entre más parecida sea una molécula a otra -estructuralmente hablando- entonces también lo será en su propiedades toxicológicas, por lo tanto, podríamos conocer las interacciones de una molécula nueva con base en su estructura y en su similitud con otras moléculas ya conocidas y estudiadas previamente, por lo que este abordaje permite discernir entre si una molécula nueva podría ser una buena candidata para estudios posteriores o si ni siquiera vale la pena continuar con más estudios. Así, el uso de estos análisis permite reducir costos y tiempo al ahorrarle al investigador hacer más experimentos y por lo tanto también reducir el número de animales que se usarían en esos experimentos (Ford, 2016).

Es importante mencionar que estos análisis son parte de lo que se conoce como un reemplazo parcial al uso de animales, ya que con ellos podemos disminuir la cantidad de animales que podrían utilizarse sobretodo al inicio del desarrollo de una nueva molécula; sin embargo, en fases más avanzadas de la investigación se tiene que hacer uso de otras metodologías para comprobar su seguridad y eficacia, por lo que únicamente sirven como un primer filtro (Ford, 2016).

Hoy por hoy existen cientos de softwares encargados de ayudar a predecir el comportamiento de lo que se conoce como ADME, que abarca la absorción, distribución, metabolismo y excreción de una molécula o ingrediente. Algunos de estos softwares son gratuitos mientras que otros cobran por su uso (Madden  et al., 2020).

♥Las metodologías en las que se basan los softwares utilizan la Ciencia de Datos, Inteligencia Artificial, Biología Molecular, Medicina, Toxicología, Física, Matemáticas, etc. y se resumen en cinco principales, que enlisto junto con algunos ejemplos (Ford, 2016):

♥Sistemas expertos basados en reglas. Un ejemplo de software que usa esta metodología es Derek Nexus. Sistemas expertos híbridos.

♥El software Tissue Metabolism Simulator utiliza este tipo de metodología. Modelos de relación estructura-actividad (SAR) y de relación cuantitativa entre estructura-actividad (QSAR) basados en estadística. Como ejemplo tenemos al software Leadscope y QSAR TOOLBOX.

♥Acoplamiento proteína-ligando y herramientas homólogas. Glide es un software de este tipo.

♥Aproximaciones de aprendizaje automático. MultiCase (MCASE) funciona con este tipo de metodología.

En la práctica, el método tradicional que se usa para identificar irritación ocular por algún ingrediente es el Draize test, en donde se utilizan conejos vivos a los que se les adiciona el ingrediente o molécula a probar directamente en el ojo del animal y se observa la reacción de éste, cabe destacar que no se permite utilizar ningún tipo de anestesia o analgésico para el dolor del animal y que además los resultados obtenidos no siempre son trasladables a lo que pasa en los humanos. En su lugar, utilizando como primer filtro programas como Derex Nexus, MCASE, ToxTree y TOPKAT, se ha reportado una precisión en los resultados mayor al 80% (Verma et al., 2015). Mientras que para la prueba de sensibilización en piel -en donde tradicionalmente también se utilizan conejos- con el uso de estos mismos programas se ha reportado una precisión mayor al 90% (Sarath et al., 2016). Además, el uso de modelos in silico también se utiliza para el desarrollo del campo de ingeniería de tejidos en 3D, que es otra de las alternativas al uso de animales.

Con esta información podemos notar que el área de alternativas al uso de animales se encuentra en constante evolución y que, con el advenimiento de nuevas tecnologías como la inteligencia artificial, los resultados que los modelos computacionales ofrecen son cada vez más acercados a la realidad, por lo que considero que no debemos dejar de apostar por este tipo de alternativas y por consecuente por las marcas que se esfuerzan por mantener el desarrollo y producción de sus productos libres de crueldad animal, entregándonos productos seguros y a la vanguardia para nosotros sus consumidores.

REFERENCIAS:

Dellambra, E., Odorisio, T., D'Arcangelo, D., Failla, C. M., & Facchiano, A. (2019). Non-animal models in dermatological research. ALTEX, 36(2), 177–202. https://doi.org/10.14573/altex.1808022

Ford K. A. (2016). Refinement, Reduction, and Replacement of Animal Toxicity Tests by Computational Methods. ILAR journal, 57(2), 226–233. https://doi.org/10.1093/ilar/ilw031

Madden, J. C., Enoch, S. J., Paini, A., & Cronin, M. T. D. (2020). A Review of In SilicoTools as Alternatives to Animal Testing: Principles, Resources and Applications. Alternatives to laboratory animals : ATLA, 48(4), 146–172. https://doi.org/10.1177/0261192920965977

Sarath Kumar, K. L., Tangadpalliwar, S. R., Desai, A., Singh, V. K., & Jere, A. (2016). Integrated Computational Solution for Predicting Skin Sensitization Potential of Molecules. PloS one, 11(6), e0155419. https://doi.org/10.1371/journal.pone.0155419

Verma, R. P., & Matthews, E. J. (2015). An in silico expert system for the identification of eye irritants. SAR and QSAR in environmental research, 26(5), 383–395. https://doi.org/10.1080/1062936X.2015.1039578

<a href="https://www.freepik.es/foto-gratis/medico-quimico-preocupado-trabajando-pc-examinando-evolucion-vacuna-laboratorio-cientifico-modernoequipado_15785434.htm#query=BIOLOGIA%20COMPUTACIONAL&position=4&from_view=search&track=ais&uuid=c4f3b16f-800b-4cb6-80e6-f750bbe65f5a">Imagen de DC Studio</a> en Freepik