Predicen toxicidad de productos químicos en humanos sin pruebas en animales

Un estudio liderado por un grupo de científicos estadounidenses permite predecir cómo los compuestos químicos tóxicos afectan a los humanos sin necesidad de hacer pruebas en animales.
La investigación Tox21, que publica hoy la revista Nature Communications, presenta un modelo de análisis de toxicidad sobre las células humanas que supone una alternativa a los tradicionales exámenes sobre animales.
El equipo liderado por el científico del National Institutes of Health (Rockville, Estados Unidos) Ruili Huang llevó a cabo este proyecto en el que examinaron el comportamiento de más de 10.000 sustancias químicas.
Los expertos analizaron su actividad en quince compuestos diferentes a medida que interactuaban con treinta componentes celulares, como receptores nucleares y sensores que responden al estrés.
Su objetivo era desarrollar un método mejor que los ya existentes que permitiera hacer un seguimiento de la toxicidad de compuestos como plaguicidas, productos químicos industriales, aditivos alimentarios y medicamentos.
Como resultado de su investigación, los científicos generaron más de cincuenta millones de datos, que después compararon con la estructura original de estos químicos, para así crear patrones de toxicidad que puedan predecir posibles problemas para la salud.
Tras contrastar sus resultados con los datos sobre toxicidad extraídos de pruebas a animales, concluyeron que su modelo es capaz de pronosticar tanto la toxicidad química en animales como en humanos.
Si bien afirmaron que todavía tienen que corroborar los datos obtenidos, el grupo de científicos aseguró que su método basado en el análisis de células se puede usar en pruebas toxicológicas y permitiría seleccionar qué compuestos interesaría analizar en más profundidad en estos exámenes.
Hasta ahora la medición de la toxicidad en humanos se hacía con estudios "in vivo" -dentro del organismo- de los animales.
Este método tradicional se caracteriza por ser caro y por tener un bajo rendimiento, que muchas veces dificulta extrapolar los resultados obtenidos a los humanos.

26 de enero de 2016. Londres. EFE