La proteína principal (Mpro) del coronavirus de tipo 2 causante del Síndrome Respiratorio Agudo Severo, mejor conocido como SARS-CoV-2, es una enzima con actividad de proteasa, cuya función es cortar enlaces peptídicos obteniendo fragmentos a partir de una cadena de aminoácidos; la razón por la cual los coronavirus tienen estas enzimas es porque cuando secuestran la maquinaria celular generan proteínas muy largas que no son funcionales y las proteasas sirven para cortar esas proteínas en pedazos, favoreciendo así los mecanismos de replicación del virus, lo que hace de Mpro un objetivo para el desarrollo de medicamentos anti-SARS-CoV-2.

El doctor Marco Antonio Velasco Velázquez, Profesor Titular del Departamento de Farmacología de la Facultad de Medicina de la UNAM, y su equipo de trabajo realizaron investigaciones sobre la enfermedad por coronavirus (COVID-19) durante la pandemia, y mediante un proyecto en colaboración con la Facultad de Química y el Instituto de Investigaciones Biomédicas de la UNAM publicaron dos artículos con el objetivo de identificar compuestos líderes que mediante modificaciones químicas y optimizaciones podrían generar moléculas con mejores propiedades para convertirse en fármacos y entonces ser utilizados en la clínica.

 “Mi grupo de investigación se ha dedicado a la aplicación de métodos computacionales en el descubrimiento de compuestos bioactivos, aprovechando la oportunidad de vinculación que nos dio el Programa de Apoyo a Proyectos de Investigación e Innovación Tecnológica (PAPIIT) en el contexto de la pandemia y poniendo la experiencia de diferentes investigadores, trabajamos en la identificación de compuestos que pudieran dar lugar a fármacos en el tratamiento de las infecciones por SARS-CoV-2”.

Existen múltiples técnicas computacionales que se aplican al diseño de fármacos, en general todas esas técnicas tienen como objetivo predecir la actividad de compuestos, generando nuevas hipótesis y permitiendo la selección de aquellas moléculas que tengan más probabilidades de ejercer una o más acciones deseadas dependiendo de cuál sea la estrategia metodológica que se siga.

En el caso del artículo “Identification of SARS-CoV-2 Main Protease Inhibitors Using Chemical Similarity Analysis Combined with Machine Learning”, donde se quería predecir la actividad para inhibir a Mpro, se realizó un tamizaje computacional comparando moléculas con actividad anti-coronavirus contra una biblioteca con más de 17 millones de compuestos, como resultado se identificaron tres moléculas con actividad antiviral que podrían convertirse en compuestos para el desarrollo de inhibidores de Mpro.

Para el caso del artículo “Consensus Pharmacophore Strategy For Identifying Novel SARS-Cov-2 Mpro Inhibitors from Large Chemical Libraries” se utilizó una estrategia en el que se le dice a una computadora que se requieren compuestos con determinadas características, por ejemplo, su forma, sus propiedades químicas, si puede formar puentes de hidrógeno o muchas más, permitiendo así seleccionar las que cumplen con esas propiedades dentro de grandes bases de datos, gracias a esta estrategia se identificaron múltiples inhibidores de Mpro. Otra ventaja de la estrategia es que puede ser utilizada en otros objetivos farmacológicos.

¿Para qué queremos fármacos que traten el coronavirus si ya salimos de la emergencia sanitaria? “Una de las cosas que vale la pena resaltar en estos estudios es que nos permiten como comunidad científica y como humanidad estar preparados para la emergencia de nuevas variantes de este coronavirus o para otros coronavirus porque sus proteasas son muy parecidas, entonces la información que nosotros generamos aquí puede ser fácilmente trasladada a otros sistemas biológicos similares”, explicó el doctor Velasco Velázquez.

Tomás Ortega