Resumen Los objetivos del estudio fueron 1) investigar que fuentes de información usaron los participantes para conocer sobre la COVID-19, 2) evaluar cuál es el nivel de conocimiento que tienen sobre COVID-19 y la atención a pacientes durante la contingencia, y 3) evaluar la percepción de seguridad sobre el regreso a actividades presenciales en la facultad. Estudio transversal. Se aplicó un cuestionario en línea (29 ítems; n=371) que exploró cada objetivo e incluyó una escala de Likert (Alfa de Cronbach de 0.778). Los datos fueron analizados con las pruebas de U de Mann Whitney y con Tau-c de Kendall. La mayoría de los participantes obtuvieron información sobre la COVID-19 a través de la Secretaría de Salud (45.28%), tuvieron un conocimiento bueno sobre las generalidades de la COVID-19 y el 59.3% tuvo un conocimiento excelente sobre la atención a pacientes. La mitad de los encuestados tuvo una percepción de inseguridad en un posible regreso a actividades en la facultad. Hubo diferencia estadística significativa para la asociación entre año escolar y grado de conocimiento (p<0.001) y entre la percepción en la seguridad en el regreso a actividades (muy inseguro, inseguro, seguro y muy seguro) y el grado escolar (P=0.000). Los participantes tuvieron buen conocimiento sobre las generalidades de la COVID-19 y sobre la atención a pacientes en situación de contingencia. La mitad de los EO sienten inseguridad sobre un posible regreso a actividades.

Abstract This study aimed: 1) to investigate sources of information used by students to learn about COVID-19, 2) to investigate levels of knowledge about COVID-19 and about conditions for the treatment of patients during the COVID-19 lockdown, and 3) to evaluate students' perceptions of safety regarding their return to in-person activities at the School of Dentistry. Dental students answered a questionnaire (29 items; n=371) that explored the aims of the study, based on a Likert scale (Cronbach's alpha, 0.778). Data were tested with the Mann-Whitney U test and Kendall's Tau-c. Dental students received information about COVID-19 from the Mexican Health Ministry as their first source (45.28%). Students had good knowledge about the main characteristics of COVID-19, and 59.3% of students had excellent knowledge about the factors relevant to dental treatment of patients. Half of the students said they felt safe regarding a possible return to in-person activities at the dental school, while the other half did not. Statistically significant differences were noted between the students' scholar year and their level of knowledge (P<0.001) and between their perception of safety (very unsafe, unsafe, safe, and very safe) and scholar year (P=0.000). Dental students had good knowledge about COVID-19 and about the dental care for patients during the lockdown. Half of the dental students felt unsafe about a possible return to in-person school activities.

Resumen El desarrollo e investigación de fármacos es un proceso complejo que a menudo se percibe más como un arte que como una ciencia. Las muchas incógnitas de las enfermedades humanas, su complejidad, y el gran tamaño del espacio químico para encontrar fármacos potenciales, hacen que la toma de decisiones en Química Farmacéutica sea excepcionalmente exigente. Por tal motivo, durante décadas y especialmente en años recientes, se han integrado al proceso de diseño de fármacos modelos computacionales, y en particular, modelos de inteligencia artificial (IA) en combinación con su uso racional (inteligencia e intuición humana basada en la experiencia). Aquí se proporciona una descripción general y crítica de ejemplos recientes de aplicaciones de IA en el diseño y desarrollo de fármacos. Se hace una discusión de los conceptos y enfoques computacionales involucrados, y se analizan las posibilidades y limitaciones del diseño de fármacos utilizando IA en conjunto con su uso racional (o “el razonamiento humano”): inteligencia aumentada.

Abstract Drug development and research is a complex process that is often perceived as more of an art than a science. The many unknowns of human diseases, their complexity, the patient-to-patient response, and the huge size of the chemical space for finding potential drugs make decision-making in Medicinal Chemistry exceptionally demanding. For this reason, for decades and especially in recent years, computational models, and in particular artificial intelligence (AI) models in combination with their rational use (human intelligence and intuition based on experience), have been integrated into the drug design process. An overview and critique of recent examples of AI applications in drug design and development are provided here. A discussion of the concepts and computational approaches involved is given, and the possibilities and limitations of drug design using AI coupled with human reasoning are analyzed: augmented intelligence.

Abstract The pharmaceutical industry is in constant evolution being the driving force, discovery and development of new drugs. In the past, drug discovery was basically based on natural products that were later modified by chemical synthesis. Despite the fact such strategy continues to be valuable, the cost and time of current drug discovery is very high. Currently, the advancement in the development of more powerful and efficient computers has enabled to develop methods and simulations that are optimizing at certain point the drug discovery outllook. In this work we introduce major computational methods and techniques that aid the drug discovery process emphasizing chemoinformatics concepts, their basis and applications.

Resumen La industria farmacéutica está en constante evolución, siendo el desarrollo y descubrimiento de nuevos fármacos el motor de la misma. Antaño, el diseño de fármacos estaba directamente relacionado a los productos naturales, que posteriormente se modificaban por síntesis. Si bien, la estrategia sigue vigente, el desarrollo de nuevos fármacos implica una inversión considerable de dinero y tiempo. Actualmente, el desarrollo de computadoras más potentes y eficientes ha permitido generar metodologías y simulaciones que han optimizado y en cierto grado modificado el panorama farmacéutico. Aquí se presenta un texto introductorio, a los principales métodos y técnicas computacionales auxiliares en el proceso de diseño y modelado molecular. Se hace especial énfasis en métodos quimioinformáticos, sus conceptos, bases y sus aplicaciones.

Abstract Activity cliffs are defined as compounds with high structure similarity but large potency difference. Identification of activity cliffs have a significant impact in lead optimization in medicinal chemistry, and computational applications such as the development of predictive models and the selection of queries for similarity searching. Therefore, the identification of compounds highly associated with activity cliffs in a given data set i.e., ‘activity cliff generators’, is of major relevance. Herein, we report the identification of activity cliffs and structure-activity relationships of a set of 289 synthetic compounds tested in a G protein-coupled receptor kinase, GRK. To account for information of multiple structure representations we used mean Structure-Activity Landscape Index (SALI). Structural fragments responsible for the activity are discussed.

Resumen Los acantilados de actividad se definen como compuestos con alta similitud estructural, pero también con alta diferencia en potencia. Estos compuestos tienen un impacto significativo en la optimización de líderes en química medicinal y en aplicaciones computacionales, como el desarrollo de modelos predictivos y en la selección de moléculas de referencia en búsquedas basadas en similitud molecular. Por lo tanto, es de gran relevancia la identificación de compuestos altamente asociados con los acantilados como por ejemplo los “generadores de acantilados de actividad”. En este trabajo se reportan la identificación de acantilados de actividad y las relaciones estructura-actividad de un grupo de 289 compuestos obtenidos por síntesis química que han sido evaluados a través de una proteína quinasa reguladora de receptores acoplados a proteínas-G. Para considerar la información de múltiples representaciones estructurales, se empleó el promedio del índice SALI (Structure-Activity Landscape Index) y se discuten también fragmentos estructurales responsables de la actividad biológica.

Abstract Automated molecular docking aims at predicting the possible interactions between two molecules. This method has proven useful in medicinal chemistry and drug discovery providing atomistic insights into molecular recognition. Over the last 20 years methods for molecular docking have been improved, yielding accurate results on pose prediction. Nonetheless, several aspects of molecular docking need revision due to changes in the paradigm of drug discovery. In the present article, we review the principles, techniques, and algorithms for docking with emphasis on protein-ligand docking for drug discovery. We also discuss current approaches to address major challenges of docking.

Resumen El acoplamiento molecular automatizado tiene como objetivo proponer un modelo de unión entre dos moléculas. Este método ha sido útil en química farmacéutica y en el descubrimiento de nuevos fármacos por medio del entendimiento de las fuerzas de interacción involucradas en el reconocimiento molecular. Durante los últimos 20 años se ha modificado extensamente la técnica de acoplamiento molecular dando resultados precisos en la predicción de los modos de unión. Sin embargo, hay algunas áreas que requieren ser mejoradas substancialmente. En este trabajo se revisan principios, técnicas y algoritmos usados en los programas computacionales del acoplamiento molecular con enfoque en la interacción proteína-ligando aplicado al descubrimiento de nuevos fármacos. También se discuten las estrategias dirigidas a solucionar los principales retos de esta técnica computacional.

Abstract. Inhibitors of DNA methyltransferases 3A and 3B (DNMT3A/3B) are promising candidates for the treatment of cancer and other diseases. Selective inhibitors of DNMT3A/3B are also attractive as small-molecule probes. During the past few years has increased significantly the research towards the development of DNMT1 inhibitors. However, there are no reviews of the recent progress in the development of small-molecule inhibitors of DNMT3A/B. Herein we review the status of inhibitors of DNMT3A/3B with emphasis on computational guided approaches. We discuss in a critical manner compound databases containing structure-activity information, crystallographic structures of DNMT3s, structure-guided studies, and virtual (in silico) screening coupled with experimental validation that have led to the identification or development of selective inhibitors. Perspectives in the field are also discussed.

Resumen. Inhibidores de metiltransferasas de ADN 3A y 3B (DNMT3A/3B) son candidatos prometedores para el tratamiento de cáncer y otras enfermedades. Inhibidores selectivos de DNMT3A/3B también son atractivos como moléculas sonda. En los últimos años se ha incrementado el desarrollo de inhibidores de DNMT1. Sin embargo, no hay trabajos de revisión que abarquen el desarrollo de inhibidores de DNMT3A/3B. En este trabajo se revisa el estado actual de la investigación de inhibidores de DNMT3A/3B con énfasis en las estrategias guiadas por métodos computacionales. Se discuten en forma crítica bases de datos moleculares que contienen información de relaciones estructura-actividad, estructuras cristalográficas de DNMT3s, estudios guiados por la estructura y estudios de evaluación virtual unidos a caracterización experimental para la identificación de inhibidores selectivos. También se discuten perspectivas en este campo.

Abstract. UNIIQUIM database contains molecules from Mexican plants, one of the richest sources of bioactive molecules in the world. Here, we describe the chemical and toxicological profile of molecules with analgesic activity from UNIIQUIM. Most of the compounds are likely to interact with opioid receptors. The predicted acute toxicity is low and none is predicted mutagenic. Given the structural diversity, and biological and toxicity profiles, these molecules represent a new avenue in the search of molecules with antinociceptive activity.

Resumen. La base de datos UNIIQUIM contiene moléculas de plantas mexicanas, una de las fuentes más ricas de moléculas bioactivas en el mundo. Aquí se describe la química y el perfil toxicológico de moléculas con actividad analgésica obtenidas de UNIIQUIM. La mayoría de los compuestos son propensos a interactuar con los receptores opioides. La toxicidad aguda predicha es baja y ningún compuesto se predice mutagénico. Dada su diversidad estructural y su perfil biológico y toxicológico, son atractivas moléculas líderes con actividad antinociceptiva.

Abstract: Drug discovery is a complex and expensive process where different research areas converge. Computational methods have been part of the multidisciplinary efforts and their principles should be included in courses of Medicinal Chemistry. In a given project, the application of computational approaches depends on the information available for the system and the specific goals of the study. Computational approaches have made key contributions to perform efficient analyses of data, filtering compounds collections to select molecules for experimental screening, generate hypothesis to understand the mechanism of action of drugs, and the design of new chemical structures. In addition, computational methods have made significant contributions to develop drugs that are in clinical use. However, there are several challenges to face. Addressing these challenges promote innovation and improvement of methodologies that form part of the multidisciplinary effort to develop drugs.

Resumen: El descubrimiento de fármacos es un proceso complejo y costoso en el cual convergen diversas áreas del conocimiento. En años recientes métodos computacionales se han integrado a este esfuerzo multidisciplinario y su enseñanza en cursos de Química Farmacéutica es fundamental. En un proyecto determinado, la aplicación de estrategias de cómputo depende de la información disponible del sistema y de los objetivos específicos del estudio. A la fecha, los métodos computacionales han contribuido, entre otras aplicaciones, al análisis eficiente de datos, al filtrado de colecciones de compuestos para seleccionar moléculas para evaluación experimental, a la generación de hipótesis para ayudar a entender el mecanismo de acción de fármacos y al diseño de nuevas estructuras químicas. Además, los métodos de cómputo han tenido aportaciones significativas para desarrollar medicamentos que se encuentran en uso clínico. Sin embargo, quedan muchos retos que afrontar, los mismos que estimulan la innovación y el mejoramiento de métodos que se integren en el esfuerzo multidisciplinario del desarrollo de fármacos.

The goals of computer-aided drug design (CADD) are the design, optimization and selection of compounds with biological activity. CADD is part of a multidisciplinary effort and has several specific applications during the drug development process. So far, this discipline has made significant contributions to the development of drugs that are currently in clinical use. Therefore, CADD has an increasing relevance in the research performed at the pharmaceutical industry, universities and research centers. Methods used in CADD can be used in other research areas such as natural products, biochemistry, food, organic, and theoretical chemistry. Herein, we discuss examples of drug design projects performed by an academic group focused on CADD.

El diseño de fármacos asistido por computadora (DIFAC) tiene como objetivos el diseño, optimización y selección de compuestos con actividad biológica. El DIFAC forma parte de un esfuerzo multidisciplinario y tiene numerosas aplicaciones específicas durante el proceso de desarrollo de fármacos. A la fecha ha tenido contribuciones significativas en el diseño de fármacos que se encuentran en uso clínico. Es por esto que DIFAC cobra cada vez mayor importancia en la investigación que se hace en la industria farmacéutica, en universidades y centros de investigación. Métodos empleados en DIFAC pueden aplicarse a otras áreas, por ejemplo, productos naturales, bioquímica, química en alimentos, orgánica y teórica. En este artículo se discuten ejemplos de proyectos de diseño de fármacos realizados por un grupo de investigación enfocado en el DIFAC.

Drug discovery based on natural products has a long successful history. To further advance the identification of new drugs from compounds of natural origin, natural product research is increasingly being combined with computer-aided drug design techniques. Herein, we review the recent advances in the application of chemoinformatics methods to quantify the chemical diversity and structural complexity of natural products and analyze their distribution in chemical space. We also discuss the progress in virtual screening to systematically identify bioactive compounds in natural products databases and the advancement of target fishing methods to uncover molecular targets of compounds from natural origin.

La identificación de fármacos basado en productos naturales tiene una larga historia de éxitos. Para incrementar el progreso del descubrimiento de fármacos de compuestos de origen natural, la investigación de productos naturales se está integrando cada vez más con técnicas empleadas en diseño de fármacos asistido por computadora. En este trabajo se hace una revisión de los avances recientes en la aplicación de métodos quimionformáticos para cuantificar la diversidad química y complejidad estructural de productos naturales y su distribución en el espacio químico. También se discute el progreso en el cribado virtual para identificar en forma sistemática compuestos bioactivos en bases de datos de productos naturales y métodos de búsqueda de dianas moleculares para revelar blancos moleculares de compuestos de origen natural.

Hyper-IgE syndrome (HIES) is a rare multisystem disorder characterized by increased susceptibility to infections associated with heterogeneous immunologic and non-immunologic abnormalities. Most patients consistently exhibit defective antigen-induced-T cell activation, that could be partly due to altered costimulation involving accessory molecules; however, the expression of these molecules has never been documented in HIES. Therefore, we investigated the expression of CD11a, CD28, CD40, CD54, CD80, CD86, and CD154 in peripheral blood mononuclear cells from six patients and six healthy controls by flow cytometry after autologous and mixed allogeneic reactions. Only the allogeneic stimuli induced significant proliferative responses and interleukin 2 and interferon gamma production in both groups. Most accessory molecules showed similar expression between patients and controls with the exception of CD54, being expressed at lower levels in HIES patients regardless of the type of stimulus used. Decreased expression of CD54 could partly explain the deficient T cell activation to specific recall antigens in HIES patients, and might be responsible for their higher susceptibility to infections with defined types of microorganisms.