Abstract

Los líquidos iónicos poseen un perfil fisicoquímico único, el cual los provee de un amplio rango de aplicaciones. Su variabilidad estructural casi ilimitada permite su diseño para tareas específicas. Sin embargo, su sustentabilidad, específicamente su seguridad desde el punto de vista toxicológico, ha sido frecuentemente cuestionada. Este último aspecto limita significativamente el cumplimiento de las regulaciones establecidas por la Unión Europea para el registro, evaluación, autorización y restricción de compuestosquímicos (REACH), así como su aplicación final. Debido a que la mayoría de los líquidos iónicos no han sido sintetizados, se hace evidente la importancia del desarrollo de herramientas quimioinformáticas que, de forma eficiente, permitan evaluar el potencial toxicológico de estos compuestos. En este sentido, el uso combinado de múltiples clasificadores ha demostrado superar las limitaciones de desempeño asociadas al uso de clasificadores individuales. En el presente trabajo fueron evaluadas varias estrategias alternativas de multiclasificadores basados en técnicas de aprendizaje automático supervisado, como herramientas para la evaluación del perfil neurotóxico de líquidos iónicos basado en la inhibición de la enzima acetilcolinesterasa, como indicador de neurotoxicidad. Se obtuvieron dos multiclasificadores con una alta capacidad predictiva sobre un conjunto de validación externa (no utilizado en el proceso de aprendizaje de los modelos). De acuerdo a los resultados obtenidos el 96% de un conjunto de nuevos líquidos iónicos podrá ser correctamente clasificado con la utilizaciónde estos multiclasificadores, los cuales constituyen herramientas de toma de decisión útiles en el campo del diseño y desarrollo de nuevos líquidos iónicos sustentables.