Sobre los polinomios co-índice topológicos para el modelado predictivo de las propiedades fisicoquímicas de fármacos antivirales

Por qué las matemáticas pueden acelerar la búsqueda de medicinas contra el Ébola

Encontrar nuevos fármacos antivirales suele ser lento y caro, porque cada molécula prometedora debe sintetizarse y probarse en el laboratorio. Este estudio explora un atajo: usar ideas de las matemáticas y la teoría de grafos para “leer” la estructura de un fármaco como si fuera un código de barras y predecir su comportamiento sin preparar ni una sola sustancia química. El trabajo se centra en medicamentos propuestos contra el virus del Ébola y muestra cómo huellas numéricas cuidadosamente diseñadas de las moléculas pueden anticipar propiedades físicas importantes que influyen en el comportamiento del fármaco en el organismo.

Convertir moléculas en imágenes sencillas

En el núcleo de este enfoque está la forma de redibujar una molécula como una red simple: los átomos se convierten en puntos y los enlaces químicos en líneas que los conectan. Una vez representado el fármaco como una red, los autores calculan índices topológicos, números que capturan rasgos como cuántas ramificaciones tiene la molécula, cuán estrechamente están conectados sus átomos o cuán simétrica es su forma global. Estos índices condensan una estructura 3D compleja en unos pocos valores descriptivos, lo que hace posible comparar y analizar muchas moléculas rápidamente con un ordenador.

Nuevas huellas moleculares con detalle adicional

Partiendo de trabajos anteriores, los investigadores presentan y analizan una familia de índices refinados llamados co-índices topológicos, derivados de dos construcciones matemáticas conocidas como los polinomios CoM y CoNM. En lugar de considerar solo los átomos unidos directamente, estos nuevos descriptores también contemplan pares de átomos que no están conectados de forma directa pero que se influyen mutuamente a través de la estructura global. CoM se centra en cuántos enlaces confluyen en cada átomo, mientras que CoNM rastrea el “vecindario” alrededor de cada átomo. Al codificar esta información más rica en polinomios compactos, el método puede generar muchos índices distintos en un solo paso, ofreciendo una huella más matizada de cada molécula sin un elevado coste computacional.

Probar el método con candidatos a fármacos contra el Ébola

El equipo aplicó su marco a ocho fármacos antivirales que se han mencionado en el contexto del tratamiento del Ébola, incluidos Galidesivir, Cloroquina, Favipiravir, Amodiaquina, Azitromicina, Brincidofovir, Clomifeno y Remdesivir. Para cada fármaco calcularon un conjunto de co-índices basados en el grado y en el vecindario, y los compararon con datos experimentales extraídos de la base ChemSpider. Las propiedades físicas examinadas incluyeron volumen molar, refractividad molar, polarizabilidad (qué tan fácilmente se distorsionan los electrones de una molécula), tensión superficial, complejidad estructural global, la afinidad por el aceite o el agua (LogP), densidad e índice de refracción. En efecto, plantearon la pregunta: ¿pueden estas huellas matemáticas sustituir a mediciones que consumen mucho tiempo?

Encontrar los mejores vínculos entre estructura y comportamiento

Para sondear esos vínculos, los autores construyeron modelos de Relación Estructura–Propiedad Cuantitativa (QSPR), ecuaciones que relacionan cada co-índice topológico con una propiedad física dada. Probaron tres familias de modelos: ajustes lineales simples, ajustes logarítmicos y ajustes curvos (cuadráticos). Muchas propiedades mostraron fuertes correlaciones con índices concretos, con coeficientes de correlación a menudo cercanos a uno, lo que significa que las predicciones seguían muy de cerca los datos experimentales. Algunos descriptores, como el co-índice de conectividad átomo-enlace y varios índices basados en el vecindario, surgieron repetidamente como los predictores más fiables para propiedades clave como volumen molar, refractividad molar, polarizabilidad y complejidad estructural. Para rasgos más sutiles como el equilibrio aceite–agua y la densidad, los modelos no lineales —especialmente las formas logarítmicas y cuadráticas— capturaron mejor las relaciones que las rectas, subrayando que el vínculo estructura–propiedad a menudo es intrínsecamente curvo en lugar de lineal.

Qué significa esto para el descubrimiento futuro de fármacos

En conjunto, el estudio demuestra que los co-índices topológicos diseñados con cuidado, generados a partir de los polinomios CoM y CoNM, pueden servir como sustitutos potentes de las mediciones de laboratorio de las propiedades de fármacos antivirales. Al predecir con precisión cómo se comportarán las moléculas candidatas, estas herramientas matemáticas pueden ayudar a los científicos a filtrar rápidamente grandes bibliotecas de compuestos, centrar los experimentos en las dianas más prometedoras y afinar diseños moleculares antes de la síntesis. Aunque no sustituyen las pruebas biológicas, tales descriptores ofrecen una forma rápida y de bajo coste de navegar el espacio químico, un recurso especialmente valioso al responder a amenazas de rápida evolución como el Ébola y otras enfermedades infecciosas emergentes.

Cita: Meharban, S., Ullah, A., Zaman, S. et al. On topological co-index polynomials for predictive modeling of the physicochemical properties of antiviral drugs. Sci Rep 16, 12456 (2026). https://doi.org/10.1038/s41598-026-43640-3

Palabras clave: Fármacos antivirales para el Ébola, índices topológicos, modelado QSPR, teoría de grafos moleculares, diseño computacional de fármacos