Investigadores de la Cátedra Internacional ESI-CEU publican en Pharmaceutics una nueva estrategia basada en el análisis topológico de datos (TDA) para detectar medicamentos que podrían aplicarse a pacientes con COVID-19
Investigadores de la Cátedra Internacional ESI de la Universidad CEU Cardenal Herrera (CEU UCH) y ESI Group acaban de publicar en la revista científica Pharmaceutics una nueva estrategia de topología computacional para identificar fármacos ya existentes que puedan aplicarse al tratamiento de la COVID-19, sin esperar a las fases de investigación y ensayos clínicos que requiere el desarrollo de un nuevo medicamento. Este modelo matemático aplica de forma pionera el análisis topológico de datos (TDA) para comparar la estructura tridimensional de las proteínas diana sobre las que actúan los medicamentos conocidos con las proteínas propias del coronavirus SARS-CoV-2, como la proteína NSP12, una enzima encargada de la replicación del ARN viral.
Según explica el director de la Cátedra ESI-CEU, Antonio Falcó, “este tipo de análisis requiere comparar gran cantidad de parámetros, por lo que es necesario aplicar técnicas computacionales avanzadas como las que desarrollamos desde la Cátedra ESI-CEU y que aplicamos a ámbitos muy diversos: desde el diseño de nuevos materiales, a la optimización de procesos de fabricación. Ahora hemos puesto nuestros conocimientos al servicio del reto que plantea la pandemia, para hallar tratamientos conocidos que puedan ser eficaces para tratar la COVID-19 lo más rápido posible, mediante la comparación, por primera vez, de la estructura topológica de proteínas”.
Innovación en el reposicionamiento de fármacos
Aunque otros grupos de investigación han aplicado diversos métodos computacionales para el reposicionamiento de fármacos para tratar la COVID-19, el investigador de la Cátedra ESI de la CEU UCH Joan Climent destaca: “Somos el primer grupo a nivel internacional en aplicar los últimos avances en el análisis topológico de datos (TDA), que se emplea en el estudio de las propiedades de los cuerpos geométricos, para analizar estructuras geométricas biológicas en el contexto de reposicionamiento de fármacos. Partimos de la idea de que los fármacos conocidos que actúan contra una determinada proteína como diana terapéutica pueden actuar también contra otras proteínas que tengan una estructura tridimensional con un alto grado de similitud topológica”.
En el caso de la COVID-19, se sabe que la proteína NSP12, una ARN polimerasa dependiente de ARN, encargada de la replicación del ARN viral en las células del huésped, es uno de los objetivos farmacológicos más interesantes y prometedores. “Aquellos fármacos eficaces frente a proteínas con una estructura topológica tridimensional altamente similar a la proteína NSP12 del SARS-CoV-2 podrían serlo también frente a esta proteína”.
16 fármacos, entre 1.825 analizados
El estudio de la Cátedra ESI-CEU, ahora publicado en Pharmaceutics, ha contemplado los 1.825 fármacos aprobados por la FDA, la Food and Drug Administration estadounidense, que según el repositorio Drug Bank, están asociados con 27.830 estructuras de proteínas. En la primera fase de este análisis masivo, los investigadores de la Cátedra ESI-CEU compararon la estructura topológica de estos miles de proteínas, disponible en el Protein Data Bank, con la de las 23 proteínas del coronavirus SARS-CoV-2. Las proteínas virales con similitudes topológicas altamente significativas con estructuras proteicas diana de fármacos conocidos han resultado ser tres: la 3CL viral proteasa, la NSP15 endoribonucleasa y la NSP12 RNA-dependiente RNA polimerasa.
Entre los 1.825 fármacos aprobados por la FDA, el equipo de la Cátedra ESI-CEU ha identificado con esta metodología 16 fármacos que actúan contra estas tres proteínas como diana terapéutica. Entre estos 16 fármacos podemos destacar la rutina, un flavonoide que inhibe la agregación plaquetaria; dexametasona, un glucocorticoide que actúa como antiinflamatorio e inmunosupresor; y vemurafenib, un inhibidor de quinasa indicado para pacientes adultos con melanoma. Una vez identificados estos fármacos, será necesario someterlos a estudios clínicos in vitro e in vivo para confirmar la posible eficacia que ha detectado el modelo matemático y también para determinar su mejor combinación para tratar los síntomas causados por la COVID-19. Actualmente, la dexametasona es uno de los fármacos más utilizado y que mayor éxito está teniendo en el tratamiento de la enfermedad COVID-19 en estado avanzado.
Nueva variantes y futuras pandemias
Los autores del estudio, todos ellos investigadores de la Cátedra ESI-CEU, también recalcan la utilidad futura de esta nueva estrategia para el reposicionamiento de fármacos: “Si tenemos en cuenta que la mitad de las nuevas variantes del virus presentan cambios en el gen que codifica la proteína Spike, esta técnica puede ser útil para reposicionar nuevos fármacos en función de los cambios que presente la estructura de la proteína en las nuevas variantes del virus. Además, esta estrategia se podría aplicar tanto para el coronavirus SARS-CoV-2 y sus nuevas variantes, como para cualquier nuevo virus que pueda surgir en el futuro, identificando sus proteínas y comparando su estructura topológica con la de las proteínas diana de fármacos conocidos, mediante esta mista estrategia.
Los investigadores de la Cátedra ESI-CEU que han realizado el estudio publicado en Pharmaceutics son, junto al director de la Cátedra, Antonio Falcó Montesinos, y Joan Climent Bataller, del Departamento de Producción y Sanidad Animal de la CEU UCH, los investigadores Raúl Pérez Moraga, Jaume Forés Martos y Beatriz Suay García, del Departamento de Matemáticas, Física y Ciencias de la Computación de la CEU UCH, y Jean Louis Duval, de la multinacional francesa ESI Group, partner de la CEU UCH en la Cátedra Internacional ESI-CEU.
Referencia del artículo:
Pérez-Moraga, R.; Forés-Martos, J.; Suay-García, B.; Duval, J.-L.; Falcó, A.; Climent, J. A COVID-19 Drug Repurposing Strategy through Quantitative Homological Similarities Using a Topological Data Analysis-Based Framework. Pharmaceutics 2021, 13, 488.