Identificador: TFG:9371
Autores: Trujillo de León, Said
Resumen:
La pandemia de COVID-19 ha generado una acumulación sin precedentes de datos estructurales y computacionales sobre posibles dianas terapéuticas. Entre ellas, la proteasa principal del SARS-CoV-2 (MPRO) destaca por su papel esencial en la replicación viral y la ausencia de homólogos humanos, lo que la convierte en una diana prometedora para el desarrollo de antivirales. Actualmente, cientos de estructuras de complejos proteína-ligando, especialmente con inhibidores no covalentes unidos a MPRO, están disponibles en bases de datos públicas, lo que permite avanzar en el descubrimiento computacional de fármacos mediante cribado virtual, acoplamiento molecular y análisis QSAR. No obstante, la magnitud de los datos complica el análisis manual. Para facilitar este proceso, se desarrolló CORAL-PIC, una biblioteca en Python de código abierto diseñada para detectar y resumir de forma eficiente interacciones no covalentes entre ligandos y proteínas. CORAL-PIC extrae sistemáticamente características clave de interacción a partir de grandes conjuntos de datos, permitiendo identificar patrones de unión asociados a una alta actividad inhibitoria. En un estudio con 378 complejos MPRO-inhibidor, esta herramienta redujo más de 300 MB de datos a un archivo de 100 KB, lo que permitió un análisis ágil de la frecuencia y naturaleza de las interacciones. Los resultados indicaron que las interacciones hidrófobas y los contactos polares débiles predominan en la unión global, mientras que las interacciones direccionales, como los enlaces de hidrógeno y los contactos π con residuos como CYS145 y GLY143, se correlacionan más fuertemente con altos valores de pIC50. Asimismo, se identificaron residuos clave dentro del subsitio S1 (GLU166, MET165, HIS163, MET49, ASN142) como puntos de anclaje conservados en inhibidores potentes, resaltando el valor de CORAL-PIC para el análisis QSAR y la comprensión de mecanismos de unión.
Repositori URV