| dc.description | Resumen: La pandemia mundial del COVID-19 causada por el SARS-CoV-2 ha hecho necesario buscar alternativas de tratamiento. La OMS ha recomendado el fármaco aprobado por la FDA Remdesivir dirigido a la RNA polimerasa viral. Adicionalmente, se han evaluado computacionalmente compuestos naturales con propiedades antivirales. Sin embargo, estos estudios se centran en el uso de la función de puntuación del algoritmo AutoDock Vina (ADV) para predecir los candidatos. Aquí proponemos evaluar los fitoquímicos Piperina_ID_638024, EPGG_ID_65064, Curcumina_ID_969516, y Capsaicina_ID_1548943 frente a la RNA polimerasa del SARS-CoV-2 (PDB_ID_6NUR), usando Remdesivir_ID_121304016 como control, mediante análisis computacional, comparativo y multivariado de las funciones de puntuación ADV, PLANTS, MolDock, Rerank y DockT considerando la solubilidad de ligandos e hidrofobicidad de las cavidades implicadas en las interacciones, para aumentar la precisión en la predicción de los mejores acoplamientos de los compuestos naturales frente al COVID-19. Encontramos que 4/5 de las funciones de puntuación exceptuando ADV predijeron el acoplamiento termodinámicamente más favorable con Piperina, superando a Remdesivir. También observamos que las calificaciones de PLANTS, ADV y DockT se afectan por la solubilidad del ligando e hidrofobicidad de cavidades. Bajo las condiciones de este estudio concluimos que los algoritmos MolDock y Rerank son más adecuados para el cribado rápido y la reorganización de acoplamientos, cuando se trabaje con ligandos solubles (Rp = 0.70 para ambos), indistintamente de su polaridad, y dirigidos a cavidades hidrofóbicas de la RNA polimerasa del SARS-CoV-2 (Rp = 0.95 y Rp = 0.90, respectivamente), especialmente para los enfoques computacionales en el contexto de la investigación de fármacos frente al COVID-19. | |
