GONZALEZ-PAZ, Lenin; PAZ, José Luis; VERA-VILLALOBOS, Joan    ALVARADO, Ysaias J.. Compuestos Fitoquímicos Dirigidos al Bloqueo de la Polimerasa Viral del SARS-CoV-2 causante del COVID-19: un Análisis Comparativo de Funciones de Puntuación para Acoplamientos con Interés Biomédico. []. , 46, 1, pp.7-20. ISSN 2477-8990.  https://doi.org/10.33333/rp.vol46n1.01.

^a

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.

The worldwide pandemic of COVID-19 caused by SARS-CoV-2 has made it necessary to search for treatment alternatives. The WHO has recommended the FDA-approved drug Remdesivir targeting viral RNA polymerase. Additionally, natural compounds with antiviral properties have been computationally evaluated. However, these studies focus on using the AutoDock Vina (ADV) algorithm scoring function to predict candidates. We propose to evaluate the phytochemicals Piperina_ID_638024, EPGG_ID_65064, Curcumina_ID_969516, and Capsaicina_ID_1548943 against the RNA polymerase of SARS-CoV-2 (PDB_ID_6NUR), using Remdesivir_ID_121304016 as control, through computational, comparative and multivariate analysis of the scoring functions ADV, PLANTS, MolDock, Rerank and DockT considering the solubility of ligands and hydrophobicity of the cavities involved in the interactions, to increase the precision in predicting the best docking of natural compounds in front of COVID-19. We found that 4/5 of the scoring functions except ADV predicted that the most thermodynamically favorable docking occurs with Piperine, outperforming Remdesivir. We also observe that the scores of the PLANTS, ADV and DockT functions are affected by the solubility of the ligand and the hydrophobicity of cavities. Therefore, under the conditions of this study, we conclude by proposing the MolDock and Rerank algorithms for rapid screening and reorganization of couplings, respectively, when working with soluble ligands (Rp=0.70), regardless of their polarity, and targeting hydrophobic cavities (Rp=0.95 and Rp=0.90, respectively) of the SARS-CoV-2 RNA polymerase, especially for computational approaches in the context of drug research versus COVID-19.

: .

        · | |     · |     · ( pdf )