UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ciencias
Unidad de Posgrado

SÍLABO

I. INFORMACIÓN GENERAL

Asignatura : Química computacional aplicada al SARS-CoV-2

Código : MQU732
Pre-requisito : Ninguno
Programa académico : Maestría en Ciencias en Química
Condición : Electivo
Ciclo Académico : 2021-1
Créditos : 2
Horas : 4 horas semanales (total 32 horas)
Profesor del curso : Jesus Antonio Alvarado Huayhuaz

II. SUMILLA

En el contexto coyuntural de pandemia por COVID-19, urge nuestra participación activa mediante divulgación,
popularización o innovación científica en propuestas de solución, desde nuestras competencias en química.
El estudiante en el curso aprende el uso de herramientas computacionales para comprender el mecanismo
de acción del SARS-CoV-2 y desarrollar las habilidades necesarias para postular nuevos potenciales
inhibidores. Este enfoque es también útil para el desarrollo de nuevas bibliotecas moleculares con actividad
biológica en otras enfermedades. El contenido del curso presenta un amplio espectro de aplicabilidad en
torno al diseño de fármacos asistido por computadora:
➢ El dogma de la biología molecular
➢ Mecanismo de acción viral
➢ Diseño y optimización de estructuras moleculares
➢ Química medicinal
➢ Proteasas del SARS-CoV-2
➢ Uso y generación de bases de datos moleculares
➢ Análisis de acoplamientos ligando-receptor

III. COMPETENCIAS

1. Comprende el mecanismo de acción del virus en células hospederas humanas e identifica las
proteínas asociadas con la actividad viral.
2. Reconoce la importancia de la química en el estudio del SARS-CoV-2 y en el diseño de nuevos
potenciales antivirales.
3. Deduce las mutaciones entre SARS-CoV y SARS-CoV-2 y evalúa la diferencia en el acoplamiento
molecular ligando-receptor.
4. Desarrolla nuevas moléculas con potencial inhibitorio basado en química medicinal.
1
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ciencias
Unidad de Posgrado

5. Opera algoritmos para automatizar los acoplamientos moleculares.

6. Evalúa el efecto del reposicionamiento de fármacos.
7. Manipula programas para el diseño molecular, docking molecular, generación de bibliotecas
combinatorias basadas en código smiles y análisis de interacciones intermoleculares.
8. Entiende y plantea modificaciones químicas para optimizar los acoplamientos ligando-receptor.
9. Investiga el efecto inhibitorio diferenciado del acoplamiento metalofármaco-receptor biológico.

IV. UNIDADES DE APRENDIZAJE

CAPÍTULO 1: LA QUÍMICA DEL SARS-COV-2 /08 HORAS

Parte teórica: El dogma de la biología molecular. Genoma del SARS-CoV-2. Mecanismo de acción viral.
Composición química y proteínas. Sitio activo en Mpro y PLpro. Spike y el desarrollo de vacunas. Parte
práctica: Fundamentos de Python. Uso de repositorios y cuadernos de código colaborativo. Identificación de
proteínas y mutaciones en coronavirus. Estudio de las nuevas variantes.

CAPÍTULO 2: HERRAMIENTAS IN SILICO APLICADAS EN FÁRMACOS /08 HORAS

Parte teórica: Introducción a la química computacional. Optimización de moléculas con potencial
farmacológico. Indicadores de reactividad global y local. Mecanismo de reacción y coordenada de reacción
intrínseca. Química medicinal, bioisosterismo y druglikeness. Metalofármacos aplicados en SARS-CoV-2.
Parte práctica: Software libre y Modelamiento molecular. Uso de bases de datos moleculares. Código
SMILES y otros formatos relevantes. Búsqueda bibliográfica de moléculas. Uso de bash scripting. RMS para
comparar estructuras cristalinas y modeladas.

CAPÍTULO 3: HERRAMIENTAS IN SILICO APLICADAS A LAS PROTEÍNAS VIRALES /08 HORAS

Parte teórica: Proteínas virales. Validación de receptor. Sitio activo, alostérico y encriptado. Aminoácidos
catalíticos. Influencia del pH. Interacciones moleculares ligando-receptor. Teoría del docking molecular: grid,
caja de simulación, campos de fuerza. Parte práctica: Bases de datos de proteínas. Docking molecular
fármaco-Mpro SARS-CoV-2. Validación, constante de inhibición y análisis de interacción 3D.

CAPÍTULO 4: NUEVOS POTENCIALES INHIBIDORES DE MPRO SARS-COV-2 /08 HORAS

Parte teórica: Estado del arte en reposicionamiento de fármacos y virtual screening de productos naturales,
metalofármacos y otras bases de datos. Herramientas académicas on line para la búsqueda de fármacos.
Machine Learning y Big Data aplicada al SARS-CoV-2. Parte práctica: Virtual screening de bases de datos.
Uso de código para la generación de bibliotecas combinatorias basadas en nuevos fragmentos bioisósteros.
Docking molecular aplicado a metalofármacos.

V. METODOLOGÍA

El curso se desarrolla en sesiones de teoría y práctica. En las sesiones de teoría, el docente presenta los
conceptos y aplicaciones. En las sesiones prácticas el alumno resuelve diversos problemas, analiza su
solución e interpreta los resultados. En todas las sesiones se promueve la participación activa del alumno.

2
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ciencias
Unidad de Posgrado

VI. SISTEMA DE EVALUACIÓN

Sistema de evaluación:
EP: Examen Parcial (Peso 1)
EF: Examen Final (Peso 1)
PP: Promedio de Prácticas (Peso 1)
El promedio final (PF) se calcula tal como se muestra a continuación:
EP + EF + PP
PF =
3
Cantidad de Prácticas: cuatro (04)

VII. BIBLIOGRAFÍA:

WALTER FILGUEIRA DE AZEVEDO (2020) Docking Screens for Drug Discovery. Springer New York, NY.
SALDÍVAR-GONZÁLEZ F, PRIETO-MARTÍNEZ FD, MEDINA-FRANCO JL (2017) Descubrimiento y
desarrollo de fármacos: un enfoque computacional. Educ Química 28:51–58.
FISCHER A, SELLNER M, NERANJAN S, ET AL (2020) Potential Inhibitors for Novel Coronavirus
Protease Identified by Virtual Screening of 606 Million Compounds. Int J Mol Sci. 21:3626.
SHITRIT A, ZAIDMAN D, KALID O, ET AL (2020) Conserved interactions required for inhibition of the main
protease of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Sci Rep 10:20808.
ALVARADO-HUAYHUAZ J, JIMENEZ F, CORDOVA-SERRANO G, ET AL (2020) Natural Products as
Potential Inhibitors for SARS-CoV-2 Papain-Like Protease: An in Silico Study. pp 265–270.
SCIOR T, ABDALLAH HH, MUSTAFA SFZ, ET AL (2021) Are vanadium complexes druggable against the
main protease Mpro of SARS-CoV-2? A computational approach. Inorganica Chim Acta 519:120287.

Elaborado por Jesús Alvarado Huayhuaz