Sistema de Acoplamiento Molecular: Fundamentos y

Aplicaciones en el Diseño de Fármacos

Acuña-Cabarcas Kelly1; Pernett-De La Rosa Santiago1; Parra-Castelar Sebastián1.
1
Facultad de Ciencias Básicas y Biomédicas
Universidad Simón Bolívar, Barranquilla, Colombia

Resumen‒ El docking molecular es una técnica computacional clave en el diseño racional de

fármacos, que permite predecir cómo interactúan moléculas pequeñas (ligandos) con proteínas
blanco. Su utilidad radica en identificar compuestos con alta afinidad hacia proteínas
implicadas en enfermedades, lo cual acelera el desarrollo de medicamentos y reduce costos
experimentales. El proceso involucra etapas como la preparación de ligandos y receptores, la
búsqueda de orientaciones óptimas de unión y la evaluación mediante funciones de puntuación.
Herramientas como AutoDock, Vina y MOE han permitido su aplicación en diversos campos:
desde el desarrollo de antivirales para el SARS-CoV-2, hasta la validación de compuestos
naturales y la investigación en oncología. A pesar de sus beneficios, el docking presenta
limitaciones asociadas a la rigidez de los modelos, la calidad estructural y la falta de
información sobre farmacocinética o toxicidad. En conjunto, se trata de una tecnología
poderosa, que debe utilizarse en conjunto con técnicas experimentales y otras aproximaciones
computacionales para lograr predicciones más precisas y efectivas.

Palabras clave: Docking molecular; Diseño racional de fármacos; Bioinformática estructural;

Ligando-receptor; Función de puntuación

Abstract‒ Molecular docking is a key computational technique in rational drug design,

allowing for the prediction of how small molecules (ligands) interact with target proteins. Its
usefulness lies in identifying compounds with high affinity for proteins implicated in diseases,
which accelerates drug development and reduces experimental costs. The process involves
steps such as ligand and receptor preparation, the search for optimal binding orientations, and
evaluation using scoring functions. Tools such as AutoDock, Vina, and MOE have enabled its
application in diverse fields: from the development of antivirals for SARS-CoV-2 to the
validation of natural compounds and oncology research. Despite its benefits, docking has
limitations associated with model rigidity, structural quality, and the lack of information on
pharmacokinetics or toxicity. Overall, it is a powerful technology that should be used in
conjunction with experimental techniques and other computational approaches to achieve more
accurate and effective predictions.

Keywords: Molecular docking; Rational drug design; Structural bioinformatics; Ligand-

receptor; Scoring function
1. Introducción.

El acoplamiento molecular, también conocido como docking molecular, es una técnica

computacional fundamental en la investigación farmacológica que predice la manera en que
una pequeña molécula, el ligando, interactúa con una macromolécula biológica, como una
proteína o una enzima, que actúa como diana terapéutica. Esta interacción es de vital
importancia, ya que una unión fuerte y específica entre el ligando y su diana puede modular la
función biológica del receptor, convirtiéndose así en una base esencial para el diseño de nuevos
medicamentos. Se puede comparar esta relación con la de una cerradura y una llave, donde el
objetivo del docking es encontrar la "llave" adecuada que permita activar o desactivar la
proteína.
Además, el acoplamiento molecular contribuye significativamente a la reducción de costos,
tiempo y la necesidad de realizar experimentos in vitro o in vivo, al simular interacciones entre
millones de compuestos virtuales. Gracias a esto, se pueden priorizar los candidatos más
prometedores para estudios experimentales posteriores, haciendo el proceso de desarrollo de
fármacos mucho más eficiente.
En el ámbito de la quimio informática, que combina la química computacional, la biología
estructural y el análisis de datos, el acoplamiento molecular también juega un papel crucial en
el reposicionamiento farmacológico, permitiendo que medicamentos ya existentes se utilicen
para tratar otras enfermedades. Esta técnica, junto con tecnologías emergentes como AlphaFold
y la inteligencia artificial, está revolucionando la medicina de precisión y la investigación
biomédica.

2. Desarrollo de contenidos.

2.1. Contexto del descubrimiento de fármacos

El proceso tradicional de descubrimiento de fármacos ha sido históricamente largo, costoso
y con un alto índice de fracaso. Por lo general, comienza con la identificación de una
enfermedad o una necesidad médica no satisfecha, seguida por la selección de una diana
biológica que desempeñe un papel clave en el mecanismo de esa enfermedad. A partir de
allí, los investigadores sintetizan una gran cantidad de compuestos químicos, que
posteriormente son sometidos a pruebas experimentales para evaluar su eficacia, toxicidad,
y viabilidad como tratamientos. Este enfoque se conoce como cribado experimental de alto
rendimiento, y puede tomar entre 10 y 15 años, con costos que superan los mil millones de
dólares por cada medicamento aprobado.
En este contexto, surge la necesidad de métodos más eficientes y racionales. Es aquí donde
las herramientas computacionales como el acoplamiento molecular han cambiado las reglas
del juego. Gracias a la digitalización de datos biológicos, la disponibilidad de bibliotecas de
compuestos virtuales, y los avances en modelado tridimensional de proteínas, hoy es posible
realizar una gran parte de ese proceso inicial en un entorno virtual. En lugar de ensayar
físicamente cada compuesto en el laboratorio, se puede predecir con alta precisión cuáles
moléculas tienen más probabilidad de interactuar con la diana elegida, y, por tanto, cuáles
vale la pena sintetizar y evaluar experimentalmente.
Este nuevo enfoque, conocido como diseño racional de fármacos, se basa en el
conocimiento detallado de la estructura de la diana biológica, y permite diseñar moléculas
que encajen con precisión en su sitio activo. Es una estrategia opuesta al modelo anterior de
ensayo y error. El diseño racional utiliza información estructural, como la geometría, las
cargas eléctricas, la hidrofobicidad, y la presencia de residuos clave en el sitio de unión para
construir medicamentos más selectivos y eficaces. En consecuencia, se reduce el número de
compuestos necesarios para llegar a un candidato prometedor, lo que implica menos
pruebas, menor uso de animales, menos recursos económicos, y, sobre todo, menor tiempo
de desarrollo.
Otro avance importante ha sido la integración del acoplamiento molecular con la
farmacogenómica, lo cual permite prever cómo las variantes genéticas individuales de los
pacientes pueden influir en la efectividad o toxicidad de ciertos fármacos. Esto abre las
puertas al desarrollo de terapias personalizadas, diseñadas para responder mejor a las
características genéticas de cada persona.
Además, el acoplamiento molecular ha demostrado ser una herramienta estratégica en
situaciones de emergencia sanitaria, como fue el caso de la pandemia por COVID-19. En
ese momento, numerosos grupos de investigación recurrieron al docking para analizar miles
de compuestos conocidos —incluso aquellos ya aprobados para otras enfermedades— con
el fin de encontrar posibles inhibidores de proteínas clave del virus SARS-CoV-2, como la
proteasa principal (Mpro) o la enzima ACE2. Este esfuerzo global permitió identificar en
tiempo récord candidatos a medicamentos, optimizando recursos y acelerando los procesos
de validación clínica.

2.2. Fundamento teórico del docking molecular.

El acoplamiento molecular se basa en principios fundamentales de la química, la física y la
biología estructural. En esencia, lo que busca esta técnica es predecir cómo se unirá una
molécula pequeña (ligando) a una diana macromolecular (generalmente una proteína) y con
qué afinidad. Este proceso se modela a través de cálculos matemáticos y simulaciones
tridimensionales que intentan reproducir, con el mayor realismo posible, las interacciones
moleculares que ocurren en un sistema biológico real.
El fundamento teórico del docking parte de dos componentes principales: la predicción de
la conformación del ligando en el sitio de unión (lo que se llama pose) y la estimación
de la energía de unión, que permite evaluar qué tan favorable es esa interacción. Para
lograrlo, se utilizan algoritmos de búsqueda y funciones de puntuación (scoring functions).
Los algoritmos de búsqueda exploran el espacio tridimensional del sitio activo de la
proteína en busca de las mejores posiciones y orientaciones del ligando. Esta búsqueda
puede ser rígida (cuando se considera que la proteína y el ligando no cambian su forma
durante el acoplamiento) o flexible (cuando se permite cierto movimiento en las estructuras
para simular la adaptación real entre ambas moléculas). Las aproximaciones flexibles son
más precisas, pero también más demandantes computacionalmente.
Una vez se generan múltiples conformaciones posibles del ligando dentro del sitio de unión,
se aplica una función de puntuación, que es un modelo matemático diseñado para calcular
la energía libre de unión entre el ligando y la proteína. Estas funciones consideran distintos
tipos de interacciones moleculares, como:
a) Enlaces de hidrógeno
b) Fuerzas de Van der Waals
c) Interacciones hidrofóbicas
d) Enlaces iónicos o electrostáticos
e) Energía de desolvación (costo energético de sacar agua del sitio de unión)
f) Complementariedad geométrica y estérica

Cuanto más baja sea la energía estimada por la función de puntuación, más estable y
favorable se considera la interacción, y, por tanto, mayor será la probabilidad de que esa
molécula actúe como inhibidor o modulador de la diana biológica.
El docking molecular no sólo predice si una molécula puede unirse a una proteína, sino
también dónde y cómo lo hace, proporcionando una visión detallada del tipo de contacto
que ocurre a nivel atómico. Esta información es de enorme valor en el diseño de nuevos
fármacos, ya que permite modificar racionalmente la estructura del ligando para mejorar su
afinidad o selectividad.

Existen varios tipos de docking, entre ellos:

a) Docking rígido: ambas moléculas (ligando y receptor) se mantienen estáticas. Es
rápido, pero menos realista.
b) Docking semiflexible: el ligando puede moverse o cambiar su forma, mientras que la
proteína permanece rígida.
c) Docking flexible: se permite la flexibilidad tanto del ligando como del receptor. Es más
preciso, pero también más complejo computacionalmente.
d) Docking covalente: se emplea cuando el ligando forma un enlace covalente con la
proteína, lo cual requiere modelar reacciones químicas.

Finalmente, los resultados del acoplamiento molecular pueden ser visualizados mediante
herramientas de modelado tridimensional, lo que permite analizar visualmente las
interacciones clave entre los átomos del ligando y los residuos del sitio activo de la proteína.
Esta visualización es fundamental para tomar decisiones en el diseño racional de fármacos,
permitiendo a los investigadores mejorar la estructura química de un candidato para
optimizar su eficacia, selectividad y perfil farmacológico.

2.3. Tipos de software y plataformas de docking molecular

La implementación práctica del docking molecular se realiza mediante programas

computacionales especializados que combinan algoritmos de búsqueda y funciones de
puntuación. A lo largo de los años, se han desarrollado diversas herramientas de software
que permiten realizar simulaciones de acoplamiento molecular con distintos niveles de
complejidad, precisión y accesibilidad. Algunas son de código abierto y gratuitas, ideales
para entornos académicos, mientras que otras son comerciales y ofrecen funciones
avanzadas dirigidas a la industria farmacéutica.

Entre los softwares más utilizados se encuentran los siguientes:

 AutoDock y AutoDock Vina: Son dos de los programas más conocidos y
utilizados en todo el mundo. AutoDock fue uno de los primeros en popularizar el
docking molecular académico. AutoDock Vina, su versión mejorada, destaca por
su mayor velocidad y precisión gracias a una nueva función de puntuación y
 algoritmos de búsqueda más eficientes. Ambos permiten modelar el acoplamiento
de ligandos flexibles a receptores rígidos o semiflexibles. Son de código abierto, lo
que los hace ampliamente accesibles para investigadores y estudiantes.
 PyRx: Es una interfaz gráfica de usuario que integra AutoDock y AutoDock Vina
en un entorno amigable, permitiendo cargar estructuras, preparar ligandos y
visualizar resultados sin necesidad de escribir código. Su facilidad de uso lo
convierte en una opción ideal para quienes se inician en el acoplamiento molecular
o para realizar cribados virtuales rápidos.
 GOLD (Genetic Optimization for Ligand Docking): Es un software comercial
que emplea algoritmos genéticos para explorar las mejores posiciones del ligando
en el sitio activo de la proteína. Es conocido por su precisión en la predicción de
poses y por permitir el modelado de flexibilidad en ambos participantes. Su uso
está muy extendido en laboratorios farmacéuticos y centros de investigación
avanzados.
 MOE (Molecular Operating Environment): Es una plataforma comercial que
ofrece un conjunto muy completo de herramientas para química computacional,
biología estructural y diseño de fármacos. Además de docking, permite modelado
molecular, análisis de dinámica molecular, diseño de bibliotecas de compuestos y
visualización 3D de estructuras. Se utiliza tanto en investigación académica como
industrial.
 Glide (de Schrödinger): Es parte de la suite de software Schrödinger,
ampliamente usada en la industria farmacéutica. Su principal fortaleza es la
precisión en la predicción de afinidades de unión, gracias a sus funciones de
puntuación avanzadas y la incorporación de parámetros físicos detallados. Glide
permite realizar docking estándar, flexible e incluso covalente, y se integra
fácilmente con otras herramientas de simulación, como dinámica molecular y
predicción de propiedades farmacocinéticas.
 SwissDock: Es una plataforma gratuita basada en la web, que permite realizar
docking molecular sin necesidad de instalar software. Utiliza el motor de docking
EADock DSS y ofrece resultados accesibles a través de un navegador. Es
especialmente útil para usuarios que requieren una solución rápida y accesible para
pruebas preliminares.
 UCSF Chimera y ChimeraX: Si bien no son motores de docking por sí mismos,
Chimera y su sucesor ChimeraX son herramientas de visualización molecular que
permiten interactuar con los resultados de docking generados por AutoDock, Vina
u otros programas. Son extremadamente útiles para analizar interacciones,
distancias atómicas, orientación del ligando y generar imágenes o animaciones para
publicaciones científicas.

Cada uno de estos programas tiene ventajas y limitaciones. La elección del software
más adecuado depende de varios factores: la naturaleza del sistema biológico que se
estudia, el tipo de docking que se desea realizar (rígido, flexible, covalente), la
experiencia del usuario, la disponibilidad de recursos computacionales y si se cuenta o
no con licencias comerciales.
 Por otra parte, el desarrollo reciente de herramientas basadas en inteligencia artificial
también se está incorporando al acoplamiento molecular. Modelos como AlphaFold,
que predicen estructuras tridimensionales de proteínas a partir de su secuencia, están
siendo integrados a plataformas de docking para mejorar la calidad de los modelos
proteicos utilizados, especialmente en casos donde no se dispone de estructuras
cristalinas.

2.4. Ejemplos de aplicaciones reales del docking molecular

El docking molecular ha dejado de ser una técnica meramente teórica para convertirse en
una herramienta fundamental con aplicaciones concretas en investigación biomédica,
farmacéutica y biotecnológica. A lo largo de las últimas décadas, se ha utilizado
exitosamente para identificar compuestos bioactivos, rediseñar fármacos existentes, estudiar
mecanismos de acción y acelerar el desarrollo de tratamientos para enfermedades complejas.
A continuación, se presentan algunos ejemplos destacados que ilustran su impacto en la vida
real:

 Redescubrimiento de fármacos (Drug repurposing) en la pandemia por

COVID-19
Uno de los casos más emblemáticos fue durante la emergencia sanitaria mundial por
el SARS-CoV-2. Dada la urgencia por encontrar tratamientos efectivos, numerosos
grupos de investigación utilizaron el docking molecular para evaluar en tiempo
récord miles de fármacos ya aprobados por la FDA, con el fin de identificar cuáles
podrían inhibir proteínas clave del virus, como la proteasa principal (Mpro) o la
ARN polimerasa dependiente de ARN. Gracias a estos estudios, se seleccionaron
candidatos como la ivermectina, el remdesivir y otros antivirales, que luego pasaron
a fases experimentales o clínicas. Este enfoque permitió reducir los tiempos de
investigación de años a semanas.
 Desarrollo de inhibidores contra la proteína BCR-ABL en leucemia mieloide
crónica
El docking fue crucial en el diseño del imatinib (Gleevec), un inhibidor selectivo
de la tirosina quinasa BCR-ABL, responsable de la proliferación anormal de células
en la leucemia mieloide crónica. Usando modelos computacionales, los
investigadores lograron diseñar un compuesto que se ajustara específicamente al
sitio activo de esta proteína mutada, bloqueando su acción sin afectar otras quinasas
normales. Este medicamento es hoy considerado uno de los hitos en la medicina
personalizada.
 Inhibidores de la enzima acetilcolinesterasa en el tratamiento del Alzheimer
En la búsqueda de compuestos que mejoren la transmisión colinérgica en el cerebro,
se ha utilizado el docking para identificar inhibidores de la enzima
acetilcolinesterasa, responsable de degradar la acetilcolina. Drogas como la
rivastigmina y la donepezila fueron estudiadas en su interacción con el sitio activo
de la enzima, permitiendo optimizar su estructura para aumentar su selectividad y
reducir efectos secundarios.
 Diseño de nuevos antibióticos contra bacterias resistentes
Ante el avance de la resistencia bacteriana, el acoplamiento molecular ha servido
 para identificar compuestos que puedan unirse a nuevas dianas bacterianas, como
enzimas implicadas en la síntesis de la pared celular o en la replicación del ADN.
Por ejemplo, se han usado simulaciones de docking para diseñar inhibidores de la
beta-lactamasa, una enzima que degrada antibióticos betalactámicos. Al bloquear
esta enzima, se restaura la eficacia de antibióticos tradicionales en cepas resistentes.
 Investigación en oncología y terapias dirigidas
En cáncer, el docking molecular se aplica para diseñar fármacos que se unan a
receptores sobre expresados en células tumorales, como HER2, EGFR o VEGFR.
Este enfoque ha permitido el desarrollo de inhibidores tirosina quinasa como el
erlotinib o lapatinib, que se unen específicamente a estos receptores y bloquean las
señales de proliferación celular. También se utiliza para estudiar posibles
interacciones entre compuestos naturales (como polifenoles o flavonoides) y
proteínas implicadas en la progresión tumoral.
 Fitoterapia y validación de compuestos naturales
El docking también ha demostrado su valor en la validación científica de extractos
vegetales. Investigadores han utilizado esta técnica para analizar cómo principios
activos presentes en plantas medicinales podrían interactuar con enzimas humanas.
Por ejemplo, compuestos del té verde, el ajo o la cúrcuma han sido estudiados como
posibles inhibidores de enzimas inflamatorias o antioxidantes, lo que abre la puerta
a su aplicación como suplementos terapéuticos o preventivos.
 Diseño de antivirales y antiparasitarios
Se han aplicado estudios de acoplamiento molecular para diseñar fármacos activos
contra enfermedades tropicales como la malaria, el Chagas o la leishmaniasis. Estas
enfermedades, muchas veces desatendidas por la industria, han encontrado en la
simulación computacional una vía de bajo costo para descubrir y optimizar nuevas
terapias. En particular, se ha utilizado docking para explorar posibles inhibidores de
enzimas esenciales en los parásitos, como la tripanotiona reductasa o la falcipaina.
 Identificación de efectos adversos e interacciones no deseadas
Más allá de diseñar nuevos medicamentos, el docking también permite prever
interacciones indeseables entre un fármaco y proteínas que no son su diana principal,
lo que puede ayudar a anticipar efectos secundarios. Esto es especialmente
importante en la farmacología clínica, donde se busca optimizar la seguridad de los
tratamientos.

2.5. Limitaciones y desafíos del docking molecular

A pesar de sus numerosas ventajas y aplicaciones exitosas, el docking molecular no está

exento de limitaciones. Como toda herramienta computacional, depende de múltiples
factores que pueden influir en la precisión y confiabilidad de los resultados. Conocer estos
desafíos es fundamental para interpretar correctamente las predicciones y para avanzar hacia
mejoras metodológicas.

 Dependencia de estructuras de alta calidad

El docking molecular parte de la necesidad de contar con estructuras
tridimensionales precisas tanto de la proteína como del ligando. Estas estructuras
suelen obtenerse mediante técnicas experimentales como cristalografía de rayos X,
 resonancia magnética nuclear (RMN) o más recientemente, predicciones
computacionales como AlphaFold. Sin embargo, si la estructura de la proteína está
incompleta, mal resuelta o basada en modelos poco confiables, el acoplamiento
puede generar resultados erróneos o irrelevantes.
 Representación simplificada del sistema biológico
Las simulaciones de docking, por lo general, representan un entorno simplificado.
No siempre se consideran factores como:
- El movimiento dinámico de la proteína (flexibilidad total)
- La presencia de agua o iones en el sitio activo
- La influencia del pH y otras condiciones fisiológicas
Estas simplificaciones permiten reducir el tiempo computacional, pero pueden
afectar la precisión de la predicción al no reflejar la complejidad real del entorno
celular.
 Limitaciones en las funciones de puntuación
Las funciones de puntuación (scoring functions) que se utilizan para estimar la
afinidad de unión entre ligando y receptor son aproximaciones, no cálculos exactos
de la energía libre. Muchas veces no discriminan bien entre un acoplamiento real y
otro falso positivo, lo que puede llevar a seleccionar compuestos que, en la práctica,
no muestran actividad biológica. Además, las funciones actuales aún tienen
dificultades para cuantificar correctamente efectos entálpicos y entrópicos
complejos.
 Desafíos con la flexibilidad de la proteína
Aunque existen algoritmos que permiten cierto grado de flexibilidad en el ligando
y en algunas partes de la proteína, la mayoría de los métodos todavía trabajan con
estructuras bastante rígidas. Esto limita la capacidad de modelar adecuadamente las
adaptaciones que ocurren en la interacción real, conocidas como "ajuste inducido"
(induced fit), donde tanto el ligando como la proteína cambian su forma para encajar
mejor.
 Posibilidad de falsos positivos y falsos negativos
Como todo modelo predictivo, el docking puede generar errores. Un compuesto
puede parecer muy prometedor en la simulación, pero fracasar en los ensayos
biológicos (falso positivo), o viceversa: un buen inhibidor real podría ser descartado
por una mala predicción (falso negativo). Por esta razón, el docking no reemplaza
los experimentos en laboratorio, sino que los complementa.
 Alta demanda computacional en estudios a gran escala
Aunque muchos programas de docking pueden ejecutarse en computadoras
personales, los estudios que involucran grandes bibliotecas de compuestos (como
en el screening virtual) requieren infraestructura computacional potente, como
clústeres, supercomputadoras o servicios en la nube. Esto puede representar una
limitación en contextos académicos o en países con recursos tecnológicos limitados.
 Limitada información sobre la farmacocinética y toxicidad
El docking molecular predice interacciones a nivel molecular, pero no brinda
información sobre cómo se comportará el fármaco en el organismo: absorción,
distribución, metabolismo, excreción o toxicidad (ADME-Tox). Por ello, debe
combinarse con otras herramientas, como la simulación de dinámica molecular,
 estudios in vitro y modelos de predicción farmacocinética para tomar decisiones
más completas.
 Curva de aprendizaje y necesidad de conocimiento técnico
Aunque hay programas con interfaces amigables, el uso correcto del docking
molecular requiere un entendimiento básico de bioinformática estructural, química
computacional y análisis energético. Errores en la preparación del sistema, la
selección de parámetros o la interpretación de resultados pueden comprometer
seriamente la validez del estudio.

3. Conclusión.

El docking molecular representa una de las herramientas más valiosas dentro del arsenal de la
biología computacional y el diseño racional de fármacos. A lo largo de este recorrido hemos
podido comprender que, lejos de ser una técnica aislada, el docking forma parte de un proceso
interdisciplinario que articula la química, la biología estructural, la farmacología y la
informática para responder preguntas claves sobre cómo interactúan las moléculas dentro de
los sistemas biológicos.
Una de sus grandes fortalezas es la capacidad de predecir, en tiempos cortos y con un bajo
costo relativo, qué compuestos tienen mayor probabilidad de unirse a una proteína diana con
alta afinidad. Este enfoque ha revolucionado la forma en que se descubren nuevos
medicamentos, permitiendo filtrar y priorizar candidatos antes de invertir en ensayos
experimentales costosos. Así, el docking ha acelerado investigaciones clave en enfermedades
infecciosas, cáncer, neurodegeneración y muchas otras áreas biomédicas.
También hemos visto cómo este campo ha evolucionado gracias al desarrollo de software cada
vez más sofisticado, accesible y potente. Desde plataformas de código abierto como AutoDock
Vina, hasta soluciones comerciales avanzadas como Glide o MOE, el investigador dispone hoy
de una amplia gama de herramientas adaptadas a sus necesidades. A esto se suman los avances
recientes en inteligencia artificial, como los modelos estructurales de AlphaFold, que ya están
transformando la precisión de las simulaciones.
Sin embargo, el docking molecular no es una solución mágica. Como toda técnica predictiva,
enfrenta desafíos relacionados con la calidad de los datos, la simplificación de los modelos, la
interpretación de los resultados y la necesidad de validación experimental. Por eso, se debe
usar con rigor científico, entendiendo sus alcances y limitaciones. De hecho, el futuro del
docking apunta a su integración con otras metodologías, como la dinámica molecular, el
aprendizaje automático y los modelos farmacocinéticos, para formar plataformas más
completas y precisas de descubrimiento de fármacos.
En definitiva, el docking molecular es una herramienta en constante evolución que ha
democratizado el acceso al diseño molecular racional, permitiendo que investigadores de todo
el mundo, desde laboratorios académicos hasta centros industriales, puedan contribuir al
desarrollo de terapias innovadoras. Su combinación de poder predictivo, eficiencia y
adaptabilidad lo convierte en un aliado indispensable para la ciencia moderna y una base sólida
sobre la cual construir la medicina del futuro.
Bibliografías.

Almanza Román, I. A., & Espinosa Galindo, D. (2016). Sistema de acoplamiento molecular

[INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE

CÓMPUTO].

[Link]

nto%[Link]?sequence=3&isAllowed=y