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

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 compuestos naturales frente al COVID-19. Encontramos que 4/5 de las funciones de puntuación exceptuando ADV predijeron que el acoplamiento termodinámicamente más favorable ocurre con Piperina, superando al Remdesivir. También observamos que las calificaciones de las funciones Plants, ADV y DockT se afectan por la solubilidad del ligando y la hidrofobicidad de cavidades. Por lo tanto, bajo las condiciones de este estudio concluimos proponiendo a los algoritmos MolDock y Rerank para el cribado rápido y la reorganización de los acoplamientos, respectivamente, cuando se trabaje con ligandos solubles, indistintamente de su polaridad, y dirigidos a las cavidades hidrofóbicas de la RNA polimerasa del SARS-CoV-2, especialmente para los enfoques computacionales en el contexto de la investigación de fármacos frente al COVID-19.