Aplicación de redes neuronales de grafos a la predicción de afinidad ligando–proteína: impacto del entorno estructural y las interacciones débiles en la Mpro del SARS-CoV-2

Identificador:  TFG:9368

Handle: https://hdl.handle.net/20.500.11797/TFG9368

Autores:  Dastis Fonoll, Arnau

Resumen:
El SARS-CoV-2, causante de la pandemia global de la COVID-19, ha evidenciado la urgente necesidad de desarrollar nuevas estrategias computacionales para la identificación de fármacos antivirales. Este trabajo explora el uso de redes neuronales de grafos (GNN) para predecir la afinidad entre ligandos y la proteína Mpro del SARS-CoV-2, una diana clave para el desarrollo de fármacos antivirales. A partir de 386 estructuras experimentales, se han generado modelos que incorporan información del entorno e interacciones débiles, observando una mejora del rendimiento predictivo en función de éstos.