ProMiToX

Modelos de predicción de reacciones de hipersensibilidad de formulaciones cosméticas, ambientadores y productos de limpieza del hogar basados en algoritmos de aprendizaje automático – ProMiToX.

Descripción

El Proyecto ProMiToX se dirige al desarrollo de un conjunto de nuevos modelos quimio-informáticos basados en la aplicación de la inteligencia artificial capaces de predecir la probabilidad de aparición de reacciones de hipersensibilización en vías respiratorias, piel y ojos motivadas por las interacciones entre los ingredientes de formulaciones de productos cosméticos, ambientadores y productos de limpieza.

Para ello, el proyecto plantea la aplicación del aprendizaje automático (o Machine Learning), una rama de la inteligencia artificial cuyo objetivo es desarrollar algoritmos capaces de aprender y detectar automáticamente patrones de un conjunto de datos,propiciando el uso de los patrones establecidos para la realización de predicciones.

Dentro del diverso abanico de técnicas de machine learning, en el marco del proyecto se aplicarán las redes neuronales artificiales (RNA), cuyo uso constituye una alternativa para el desarrollo de algoritmos predictivos aplicados a variables con relaciones no lineales o datos con elevada incertidumbre, como es el caso de las mezclas complejas formuladas en el sector cosmético o en el sector de la fabricación de la detergencia y productos de limpieza.

Las actividades a desarrollar se han organizado en 5 paquetes de trabajo, destacando el desarrollo y optimización entrenamiento de algoritmos de reconocimiento aprendizaje de interacciones entre los componentes de mezclas complejas, y su integración en un modelo capaz de predecir si una determinada fórmula cosmética, un ambientador y/o un producto de limpieza puede ocasionar una reacción de hipersensibilidad. El proyecto se ha clasificado dentro de la modalidad de investigación industrial, incluyendo actividades de investigación dirigidas al desarrollo de nuevos descriptores moleculares adecuados para el caso específico de mezclas, donde quedan codificados de forma numérica aspectos estructurales responsables de la toxicidad de los ingredientes de la mezcla, y que constituyen el conjunto de variables de entrada que se utilizarán en una segunda fase para entrenar las redes neuronales desarrolladas.

Los valores de toxicidad predichos por la red neuronal serán optimizados en una tercera fase mediante la introducción en el modelo de nuevos valores experimentales obtenidos mediante ensayos in vitro para mezclas representativas para alcanzar un error mínimo en la salida predicción del modelo.

Periodo

1/11/2019-31/12/2021

Entidades financiadoras

Ministerio de Economía y Empresa - Secretaría de Estado para el Avance Digital