ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
Artículo de investigación https://doi.org/10.47460/uct.v30i132.1089
Diversidad estructural y espacio químico de ŕavonoides reportados en
recursos vegetales latinoamericanos: estudio químico-informático
Edwin Fernando Basantes Basantes*
https://orcid.org/0000-0002-2262-0222
ef.basantesb@uea.edu.ec
Universidad Estatal Amazónica
Pastaza, Ecuador
Marcelo Ramos-Flores
https://orcid.org/0000-0001-9240-8748
jmramos@espoch.edu.ec
Escuela Superior Politécnica de Chimborazo
Riobamba, Ecuador
Orley Alejandro Acosta Ordoñez
https://orcid.org/0009-0003-7687-9672
orley.acosta@espoch.edu.ec
Escuela Superior Politécnica de Chimborazo
Riobamba, Ecuador
Víctor Hugo Rodríguez Masabanda
https://orcid.org/0009-0002-3719-3961
vhrodriguez1@espe.edu.ec
Universidad de las Fuerzas Armadas-ESPE
Sangolquí, Ecuador
*Autor de correspondencia:
ef.basantesb@uea.edu.ec
Recibido: (23/05/2026), Aceptado: (09/07/2026)
Resumen. Los Ćavonoides constituyen un grupo de metabolitos vegetales de alto interés por su
diversidad estructural y por la inĆuencia que sus modiĄcaciones químicas ejercen sobre sus propiedades
moleculares. En este estudio se caracterizó la diversidad estructural y el espacio químico de Ćavonoides
reportados en recursos vegetales latinoamericanos mediante la integración y depuración de datos abiertos
provenientes de COCONUT y PubChem. La metodología se sustentó en la construcción de un corpus
regional, su depuración estricta por consistencia química y procedencia biológica, la integración nominal
con PubChem y el análisis descriptivo y multivariado de descriptores Ąsicoquímicos. Los resultados
mostraron un conjunto estructuralmente heterogéneo, con predominio de Ćavonoides metoxilados y
glucosilados, alta trazabilidad química entre bases y una organización discernible del espacio químico. En
conjunto, el estudio aporta una ruta reproducible para explorar metabolitos naturales latinoamericanos
mediante herramientas quimioinformáticas.
Palabras clave: Ćavonoides, espacio químico, quimioinformática, productos naturales.
Structural Diversity and Chemical Space of Flavonoids Reported in Latin
American Plant Resources: A Cheminformatics Study
Abstract. Flavonoids constitute a group of plant metabolites of high interest due to their structural
diversity and the inĆuence that their chemical modiĄcations exert on their molecular properties. This
study characterized the structural diversity and chemical space of Ćavonoids reported in Latin American
plant resources through the integration and curation of open data from COCONUT and PubChem. The
methodology was based on the construction of a regional corpus, its strict curation according to chemical
consistency and biological origin, nominal integration with PubChem, and descriptive and multivariate
analysis of physicochemical descriptors. The results showed a structurally heterogeneous set, with a
predominance of methoxylated and glycosylated Ćavonoids, high chemical traceability between databases,
and a discernible organization of the chemical space. Overall, this study provides a reproducible pathway
for exploring Latin American natural metabolites using cheminformatics tools.
Keywords: Ćavonoids, chemical space, cheminformatics, natural products.
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
38
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
I. INTRODUCCIÓN
Los productos naturales continúan siendo una fuente relevante de diversidad molecular para la
investigación química, farmacéutica y biotecnológica. En paralelo, el crecimiento de las bases de datos
abiertas y de las herramientas de quimioinformática ha ampliado la posibilidad de organizar, comparar y
explorar grandes conjuntos de compuestos con criterios estructurales y Ąsicoquímicos. En este escenario,
recursos como Collection of Open Natural Products (COCONUT ) han contribuido a reunir estructuras,
anotaciones y metadatos de productos naturales en entornos reutilizables, mientras que los estudios de
espacio químico han mostrado que este tipo de compuestos ocupa regiones amplias y distintivas dentro
del universo molecular, con interés directo para análisis comparativos y procesos de priorización [
1
], [
2
],
[3], [4].
Dentro de ese universo, los Ćavonoides ocupan un lugar particularmente relevante p or su diversidad
estructural, su amplia distribución en plantas y la inĆuencia que ejercen sus modiĄcaciones químicas
sobre el comportamiento molecular. La presencia de grupos hidroxilo, metoxi y azúcares, así como la
variación entre Ćavonas, Ćavonoles, Ćavanonas, chalconas e isoĆavonas, modiĄca propiedades como la
polaridad, la lipoĄlicidad, la capacidad de formar puentes de hidrógeno y, en consecuencia, la posición
que estos compuestos pueden ocupar en el espacio químico. Por ello, su estudio no se agota en la
identiĄcación nominal de clases, sino que requiere enfoques capaces de integrar clasiĄcación estructural,
descriptores Ąsicoquímicos y trazabilidad de datos en una misma matriz analítica [3], [5].
Sin embargo, la disponibilidad de información abierta no elimina un problema metodológico impor-
tante. Los compuestos de origen natural suelen encontrarse dispersos en diferentes repositorios, con
niveles variables de anotación, sinónimos múltiples, metadatos heterogéneos y diferencias en la forma
de representar sus propiedades. Esta situación diĄculta la construcción de subconjuntos regionales
comparables y limita la caracterización sistemática de grupos especíĄcos cuando se trabaja con fuentes
abiertas. En el caso de los recursos vegetales latinoamericanos, esta limitación adquiere especial interés,
ya que la riqueza química potencial de la región contrasta con la necesidad de disponer de corpus
depurados y analíticamente consistentes para su exploración quimioinformática [1], [2], [4].
En este contexto, el estudio tuvo como objetivo caracterizar la diversidad estructural y el espacio
químico de Ćavonoides reportados en recursos vegetales latinoamericanos mediante la integración,
depuración y análisis quimioinformático de datos abiertos obtenidos de COCONUT y PubChem. El
trabajo buscó pasar de la simple recuperación de registros a la construcción de una base analítica
depurada y trazable, capaz de describir patrones estructurales y Ąsicoquímicos dentro de un subconjunto
regional de metabolitos naturales. En este marco, el carácter latinoamericano del corpus se asumío como
un criterio operacional sustentado en la colección regional de COCONUT y no como una validación
taxonómica exhaustiva de cada especie asociada.
El artículo se estructura de la siguiente manera. En primer lugar, se describe la metodología empleada
para la construcción del corpus, su depuración y la integración de las fuentes abiertas utilizadas. A
continuación, se presentan los resultados y su discusión integrada, con énfasis en la conformación
del conjunto Ąnal, su composición estructural, sus propiedades Ąsicoquímicas y la representación del
espacio químico. Finalmente, se exponen las conclusiones derivadas del aporte realizado y sus posibles
proyecciones en estudios posteriores.
II. FUNDAMENTOS TEÓRICOS
El análisis actual de productos naturales se apoya cada vez más en bases de datos abiertas y
herramientas de quimioinformática capaces de organizar grandes volúmenes de información estructural y
Ąsicoquímica. En este contexto, COCONUT ha ampliado el acceso a compuestos naturales anotados
y ha facilitado la construcción de corpus reutilizables para estudios comparativos, mientras que otras
bases regionales han mostrado el valor de estructurar repertorios latinoamericanos para hacer visible
esta diversidad y fortalecer su exploración química [
1
], [
2
], [
4
], [
6
], [
7
], [
8
]. De forma complementaria,
PubChem aporta una infraestructura útil para la trazabilidad, normalización e integración de información
química, aunque la ambigüedad de sinónimos sigue siendo un reto relevante en el cruce entre bases
abiertas [9], [10].
Dentro de este marco, la noción de espacio químico permite representar conjuntos de compuestos
a partir de sus propiedades estructurales y Ąsicoquímicas, en lugar de limitarse a clasiĄcaciones nomi-
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
39
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
nales aisladas [
3
], [
11
]. Esta perspectiva resulta especialmente p ertinente para los Ćavonoides por su
amplia variabilidad estructural y por la inĆuencia de modiĄcaciones como hidroxilación, metoxilación y
glicosilación sobre la p olaridad, la lipoĄlicidad y la capacidad de interacción molecular [
5
], [
12
], [
13
],
[14].
A nivel regional, América Latina representa un escenario de especial interés por su diversidad
botánica y por el potencial químico asociado a sus metabolitos naturales. Sin embargo, la información
correspondiente a compuestos de origen latinoamericano ha estado dispersa en iniciativas parciales, bases
temáticas o repertorios nacionales. Desde esta perspectiva, la caracterización de Ćavonoides reportados
en recursos vegetales latinoamericanos resulta pertinente tanto por su valor químico como por su aporte
metodológico, al integrar diversidad estructural, trazabilidad de datos y análisis del espacio químico en
un mismo enfoque de trabajo.
III. METODOLOGÍA
A. Diseño del estudio y procesamiento de la información
La investigación se desarrolló mediante un enfoque cuantitativo sustentado en el procesamiento
de datos químicos abiertos. El trabajo se organizó en cuatro fases: construcción del corpus inicial en
COCONUT, depuración estricta del conjunto recuperado, integración complementaria con PubChem y
conformación de la base analítica Ąnal para el análisis descriptivo y multivariado.
Como fuente principal se utilizó el archivo masivo coconut_complete-10-2024.csv.zip, que contiene
695 133 registros, cada uno correspondiente a un compuesto natural individual descrito en COCONUT
junto con su información estructural, clasiĄcación química, propiedades Ąsicoquímicas y metadatos
asociados. A partir de este archivo se generaron tablas sucesivas para la selección, depuración, cruce con
PubChem e integración Ąnal del corpus, conservando archivos intermedios para veriĄcar la consistencia
y trazabilidad del procedimiento.
De manera complementaria, se empleó PubChem para recuperar la correspondencia nominal de
los compuestos con sus respectivos identiĄcadores Compound IDentiĄer (CID) e incorporar variables
adicionales cuando la resolución fue inequívoca. El procesamiento se realizó en Python 3.13.5 y hojas de
cálculo, utilizando principalmente pandas 2.2.3, scikit-learn 1.8.0, matplotlib 3.10.8 y scipy 1.17.0. Los
archivos intermedios, el script principal y los materiales de reproducibilidad se depositaron en Zenodo:
https://doi.org/10.5281/zenodo.21269644.
B. Construcción del corpus inicial en COCONUT
En la primera fase se importó el archivo completo de COCONUT y se veriĄcó su estructura general.
Sobre los 695 133 registros iniciales se aplicó un primer Ąltro mediante la variable collections, conservando
únicamente las entradas asociadas a ŞLatin America datasetŤ, con lo que el conjunto se redujo a 12 029
registros.
Posteriormente, se aplicó un segundo Ąltro químico a partir de las variables chemical_class, chemi-
cal_sub_class y np_classiĄer_class. Se consideraron elegibles los registros de la colección ŞLatin America
datasetŤ con clasiĄcación Ćavonoidal explícita o subclase estructuralmente congruente en al menos una
de esas variables, y con información mínima de identiĄcación química y clasiĄcación estructural. Cuando
existieron discrepancias entre columnas, se priorizó el criterio más especíĄco disponible; si la adscripción
seguía siendo ambigua o no podía sostenerse con suĄciente consistencia, el registro se excluyó del corpus
Ćavonoidal. De este procedimiento se obtuvo un corpus inicial de 1 443 registros candidatos.
C. Depuración del corpus
Una vez conformado el corpus inicial, se realizó una depuración estricta orientada a conservar
únicamente los registros químicamente consistentes y con información biológica utilizable. En un primer
nivel, se revisó nuevamente la coherencia de la clasiĄcación química y se excluyeron 93 registros cuya
adscripción no resultó suĄcientemente congruente con el núcleo Ćavonoidal deĄnido para la investigación,
con lo que el conjunto pasó a 1 350 registros.
En un segundo nivel, se examinó la información de procedencia biológica registrada en los campos
organisms y primary_organism_candidate. Para esta etapa se exigió la presencia de información utilizable
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
40
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
en al menos uno de esos campos y se conservaron únicamente las entradas con al menos una asociación
biológica interpretable como recurso vegetal. En consecuencia, se eliminaron 452 registros por ausencia
total de organismo asociado y 2 registros adicionales por presentar una procedencia ambigua, inespecíĄca
o insuĄciente para sostener razonablemente su relación con un recurso ve getal. En esta fase no se
utilizaron p orcentajes de coincidencia ni umbrales probabilísticos, ya que la decisión de conservación o
exclusión dependió de la suĄciencia documental de cada registro. Como resultado, el corpus depurado
quedó conformado por 896 registros.
Durante esta etapa no se fusionaron registros ni se eliminaron variantes estructurales anotadas como
entradas independientes en la base original. Cada registro aceptado se mantuvo con su identiĄcador
propio de COCONUT y sus variables originales, con el Ąn de preservar la trazabilidad de la información
fuente. La delimitación regional del conjunto no se realizó mediante validación taxonómica externa
individual de todas las especies, sino a partir de la pertenencia previa de los registros a la colección
ŞLatin America datasetŤ de COCONUT y de la presencia de una asociación biológica utilizable en sus
metadatos.
D. Preparación del cruce con PubChem
Con el Ąn de complementar la trazabilidad química del corpus depurado, se preparó un cruce
nominal con PubChem a partir de los 896 registros retenidos. Para ello se extrajo la variable name, se
normalizaron espacios redundantes, se controlaron celdas vacías y se eliminaron repeticiones exactas,
obteniéndose una lista de 725 nombres únicos.
La lista se exportó en formato de texto plano, con un nombre por línea y sin encabezado, para
asegurar su compatibilidad con el IdentiĄer Exchange Service de PubChem. La conversión se realizó
empleando Synonyms como tipo de entrada y CIDs como tipo de salida, con el operador Same CID.
La salida devolvió 751 Ąlas, debido a que algunos nombres produjeron más de una coincidencia. La
correspondencia aceptable se deĄnió exclusivamente como coincidencia nominal exacta sobre la lista
normalizada, sin aplicar umbrales de similitud textual ni estrategias aproximadas de reasignación.
E. Integración final de COCONUT y PubChem
La salida obtenida desde PubChem se integró con la base depurada de COCONUT mediante un
cruce por nombre normalizado. Antes de la integración, los nombres se homogeneizaron mediante
ajustes básicos de formato, especialmente en espacios y variaciones menores de escritura, con el Ąn
de reducir desajustes no químicos. El cruce se realizó por coincidencia nominal exacta sobre la lista
ya normalizada, sin aplicar reglas automáticas adicionales de resolución para nombres ambiguos ni
procedimientos heurísticos de reasignación.
Cuando un nombre devolvió un solo CID, la correspondencia se aceptó como válida y se incorporó
directamente a la base Ąnal. En cambio, cuando un mismo nombre generó más de un CID, el registro se
conservó con una marca de ambigüedad. Los nombres sin resolución en PubChem se mantuvieron en la
base con trazabilidad exclusiva de COCONUT, y los registros sin nombre utilizable quedaron señalados
como no elegibles para el cruce nominal. Como resultado, la base Ąnal conservó los 896 registros del
corpus depurado: 664 con correspondencia única en PubChem, 15 ambiguos, 45 sin resolución pese
a contar con nombre utilizable, 171 sin nombre suĄciente para el cruce y 1 con desajuste de formato.
Además del CID, se incorporaron desde PubChem los descriptores Ąsicoquímicos disponibles cuando la
correspondencia fue inequívoca. Paralelamente, se conservaron las variables originales de COCONUT
vinculadas con identiĄcación química, clasiĄcación estructural, propiedades Ąsicoquímicas y procedencia
biológica, obteniéndose así una base Ąnal integrada de 35 variables.
F. Organización de la base analítica y análisis de datos
A partir de la base Ąnal integrada se realizó un análisis descriptivo del corpus mediante frecuencias
absolutas y relativas de las categorías registradas en chemical_sub_class y np_classiĄer_class, así como
medidas de tendencia central y dispersión para las variables continuas.
Para la caracterización del espacio químico se seleccionaron seis descriptores Ąsicoquímicos continuos
disponibles de manera completa en los 896 registros: peso molecular, coeĄciente de partición octanol/agua
(AlogP), área de superĄcie polar topológica, número de enlaces rotatorios, aceptores de puentes de
hidrógeno y donadores de puentes de hidrógeno. Estas variables, procedentes de COCONUT, se
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
41
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
emplearon como núcleo analítico del estudio debido a su disponibilidad integral en todo el corpus. Los
descriptores incorporados desde PubChem se conservaron como capa de enriquecimiento y veriĄcación,
pero no se utilizaron como base principal del análisis multivariado.
La pertinencia de aplicar una técnica de reducción de dimensionalidad se evaluó mediante la matriz
de correlaciones entre los seis descriptores, el índice KMO y la prueba de Bartlett. La matriz mostró
correlaciones altas entre peso molecular, área de superĄcie polar topológica, aceptores y donadores de
puentes de hidrógeno, así como relaciones inversas de AlogP con los descriptores de polaridad. En el
corpus Ąnal, el KMO global fue de 0,681 y la prueba de Bartlett resultó signiĄcativa (
χ
2
=
9281
,
03; gl =
15;
p <
0
,
001), lo que respaldó la aplicación de PCA. Este método se seleccionó porque permitió resumir
la variabilidad conjunta de un conjunto reducido de descriptores continuos y obtener una representación
bidimensional interpretable del espacio químico, sin requerir la complejidad adicional de enfoques no
lineales como t-SNE o UMAP.
Antes de la reducción de dimensionalidad se veriĄcó la ausencia de valores faltantes y los datos se
estandarizaron mediante transformación z. Sobre la matriz estandarizada se aplicó PCA, trabajando
con los dos primeros componentes principales para la visualización e interpretación del espacio químico.
Finalmente, durante la organización de resultados se mantuvieron los estados de integración con
PubChem para distinguir entre compuestos con correspondencia única, registros ambiguos y entradas
sustentadas exclusivamente en COCONUT.
IV. RESULTADOS Y DISCUSIÓN
A. Conformación del corpus e integración de fuentes
El proceso de selección y depuración permitió reducir progresivamente el universo inicial hasta
obtener un corpus analíticamente depurado y coherente con los criterios del estudio. A partir de los 695
133 registros contenidos en la base completa de COCONUT, el Ąltrado por la colección ŞLatin America
datasetŤ redujo el conjunto a 12 029 entradas. Posteriormente, la aplicación del Ąltro químico sobre las
variables de clasiĄcación estructural permitió identiĄcar 1 443 registros candidatos pertenecientes al
núcleo Ćavonoidal. Finalmente, tras la depuración estricta por consistencia química y por disponibilidad
de asociación biológica utilizable, el corpus quedó conformado por 896 registros. La Figura 1 resume
este Ćujo de construcción y depuración del corpus.
En términos comparativos, la depuración redujo la riqueza de categorías de chemical_sub_class de
50 a 36 y la de np_classiĄer_class de 35 a 18. Paralelamente, los índices de Shannon descendieron de
2,268 a 2,194 y de 2,145 a 1,863, mientras que los de Simpson pasaron de 0,800 a 0,795 y de 0,811 a
0,776, respectivamente. En conjunto, estos resultados muestran que la depuración estrechó el corpus y
redujo categorías marginales o ambiguas sin eliminar su heterogeneidad estructural principal.
Fig. 1. Flujo de construcción y depuración del corpus.
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
42
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
La reducción observada no debe interpretarse como una pérdida de información, sino como un paso
necesario para garantizar que el conjunto Ąnal respondiera efectivamente a los objetivos del estudio. En
bases abiertas de productos naturales, el volumen inicial suele ser amplio, pero no todos los registros
presentan el mismo nivel de completitud, consistencia química o utilidad analítica. En ese sentido, la
necesidad de Ąltrar, depurar y reorganizar la información antes del análisis es coherente con lo reportado
en estudios quimioinformáticos basados en bases de productos naturales de América Latina, donde la
curación del contenido constituye una etapa decisiva para obtener corpus comparables y estructuralmente
interpretables [7], [15].
Una vez consolidado el corpus depurado, se realizó su integración nominal con PubChem. La Tabla
1 resume el estado Ąnal de este cruce y muestra que, de los 896 registros retenidos, 664 presentaron
una correspondencia única con CID en PubChem, lo que representó el 74,1 % del total. En contraste,
15 registros (1,7 %) devolvieron más de un CID y, por tanto, quedaron clasiĄcados como ambiguos; 45
registros (5,0 %) no obtuvieron coincidencia en PubChem; 171 registros (19,1 %) no dispusieron de un
nombre suĄcientemente utilizable para el cruce; y 1 registro (0,1 %) presentó un desajuste de formato.
En términos generales, estos resultados indican que la integración con PubChem fue alta, aunque no
completa.
Tabla 1. Estado de integración del corpus Ąnal con PubChem.
Estado de integración n %
Correspondencia única en PubChem 664 74,1
Correspondencia ambigua 15 1,7
Sin correspondencia en PubChem 45 5,0
Sin nombre utilizable para el cruce 171 19,1
Desajuste de formato 1 0,1
Total 896 100,0
Este comportamiento conĄrma que la integración con PubChem fue alta, aunque no total. La
existencia de coincidencias únicas en casi tres cuartas partes del corpus respalda la trazabilidad química
del conjunto; no obstante, la presencia de nombres ambiguos o no resueltos también pone de maniĄesto
un problema conocido en la integración entre bases químicas, particularmente cuando se trabaja con
sinónimos, nombres no sistemáticos o variantes nominales heterogéneas. Esa diĄcultad ha sido reconocida
tanto en estudios sobre ambigüedad de identiĄcadores químicos no sistemáticos como en los propios
procedimientos de Ąltrado de sinónimos y organización de nombres implementados en PubChem [
9
], [
10
].
En consecuencia, la articulación entre COCONUT y PubChem no funcionó como una sustitución entre
fuentes, sino como una integración complementaria: la primera permitió delimitar y depurar el corpus
regional, mientras que la segunda reforzó su trazabilidad química en los casos con resolución inequívoca.
B. Composición estructural del corpus
Una vez consolidada la base Ąnal, se examinó su composición estructural. Desde la perspectiva
de chemical_sub_class, el conjunto estuvo dominado por O-methylated Ćavonoids, con 334 registros
(37,3 %), seguido por Flavonoid glycosides, con 207 registros (23,1 %), y por Flavones, con 65 registros
(7,3 %). A estas categorías les siguieron, ya con proporciones menores, Cinnamylphenols (4,5 %), Flavans
(3,5 %) y PyranoĆavonoids (3,3 %). Esta distribución evidenció que el corpus no estuvo compuesto
principalmente por Ćavonoides simples o poco modiĄcados, sino por una fracción ampliamente enriquecida
en derivados metoxilados y formas glicosiladas.
La clasiĄcación según np_classiĄer_class reforzó esta tendencia. En este nivel, las clases más
frecuentes fueron Flavonols, con 312 registros (34,8 %), Flavones, con 248 registros (27,7 %), Chalcones,
con 102 registros (11,4 %), y Flavanones, con 88 registros (9,8 %). Aunque también aparecieron
otras categorías, como IsoĆavones, DihydroĆavonols, Pterocarpan y Rotenoids, su peso relativo fue
claramente menor. En conjunto, estos resultados muestran que el corpus retuvo una base estructural
ampliamente Ćavonólica y Ćavónica, pero acompañada por una diversidad apreciable de subgrupos
menos abundantes. Esta distribución conĄrma que la diversidad del corpus no se explica solo por la
clase base del Ćavonoide, sino también por el peso relativo de las modiĄcaciones estructurales asociadas
a metoxilación y glicosilación.
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
43
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
Este patrón resulta químicamente signiĄcativo, ya que el predominio de Ćavonoides O-metilados
sugiere que la metilación constituye una vía importante de diversiĄcación dentro del conjunto analizado.
Además, la literatura ha señalado que esta modiĄcación puede alterar la lipoĄlicidad, la estabilidad
metabólica y la permeabilidad de los Ćavonoides [
12
], [
13
]. De manera complementaria, la elevada
representación de glucósidos Ćavonoidales indica una contribución importante de compuestos con
azúcares unidos a la estructura básica, lo que ayuda a explicar la heterogeneidad posterior del conjunto,
pues la glicosilación suele incrementar la solubilidad y la estabilidad respecto de los aglicones [
14
], [
16
].
Por tanto, la composición observada no solo describe qué tipos de Ćavonoides estuvieron presentes
en el corpus, sino que también anticipa una distribución amplia de propiedades Ąsicoquímicas. En otras
palabras, la diversidad del conjunto no dependió únicamente del esqueleto Ćavonoidal de base, sino
también del tipo de modiĄcación estructural predominante, especialmente metoxilación y glicosilación.
En este estudio, la diversidad estructural se examinó principalmente a partir de la clasiĄcación química y
de la distribución de subclases, por lo que su lectura se mantuvo en un plano comparativo-descriptivo
más que en términos de índices cuantitativos de diversidad molecular.
C. Perfil fisicoquímico del corpus
Los principales descriptores Ąsicoquímicos empleados en la caracterización del corpus se resumen en
la Tabla 2. En conjunto, los 896 registros mostraron un peso molecular medio de 394,07 Da, con una
mediana de 365,40 Da y un valor máximo de 1171,03 Da, lo que evidenció una dispersión considerable.
El comportamiento de la superĄcie polar topológica también fue amplio, con una media de 124,22 Å
2
y
valores extremos que alcanzaron 467,17 Å
2
. Del mismo modo, el número de aceptores y donadores de
puentes de hidrógeno presentó una variabilidad marcada, con medias de 8,09 y 3,44, respectivamente.
En contraste, la lipoĄlicidad estimada mediante el coeĄciente de partición octanol/agua (AlogP) mostró
un valor medio moderado de 2,37, aunque con un rango amplio entre -5,01 y 6,88.
Tabla 2. Estadísticos descriptivos de los descriptores Ąsicoquímicos del corpus Ąnal.
Descriptor n Media Mediana
Desviación
estándar
Mínimo Máximo
Peso molecular (Da) 896 394,07 365,40 105,89 202,25 1171,03
AlogP 896 2,37 2,83 1,84 -5,01 6,88
Área de superĄcie polar topológica
(Å
2
)
896 124,22 105,82 62,44 0,00 467,17
Número de enlaces rotatorios 896 4,20 4,00 2,09 0,00 14,00
Aceptores de puentes de hidrógeno
896 8,09 7,00 3,44 1,00 29,00
Donadores de puentes de
hidrógeno
896 3,44 3,00 2,90 0,00 16,00
Estos resultados conĄrman que el corpus no se distribuyó alrededor de un único perĄl molecular,
sino que reunió metabolitos con grados muy distintos de polaridad, funcionalización y tamaño. Esa
amplitud fue coherente con la coexistencia de Ćavonoides metoxilados, glucósidos y subclases menos
frecuentes, lo que desplazó la matriz tanto hacia compuestos relativamente compactos y menos polares
como hacia estructuras de mayor peso molecular y mayor capacidad de interacción intermolecular.
Desde una perspectiva interpretativa, la dispersión del peso molecular y de la superĄcie polar resulta
particularmente consistente con la importancia relativa de los glucósidos y derivados polioxigenados
dentro del corpus. Al mismo tiempo, la amplitud observada en el coeĄciente de partición octanol/agua
(AlogP) concuerda con el predominio de compuestos metoxilados y con la coexistencia de estructuras
menos polares dentro del conjunto. En otras palabras, la variabilidad Ąsicoquímica observada fue una
consecuencia directa de la diversidad estructural retenida en el corpus, más que una propiedad secundaria
del procedimiento analítico.
Este comportamiento también refuerza la utilidad del enfoque quimioinformático adoptado. En
bases de productos naturales, la coexistencia de moléculas con propiedades contrastantes suele traducirse
en coberturas amplias del espacio químico, lo que hace especialmente pertinentes las estrategias de
reducción de dimensionalidad y representación multivariada. De hecho, trabajos previos sobre bases
latinoamericanas de productos naturales y sobre quimioinformática aplicada a metabolitos naturales han
destacado precisamente el valor de este tipo de análisis para organizar, comparar y visualizar corpus
estructuralmente heterogéneos [6], [15].
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
44
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
D. Organización del espacio químico
La Figura 2 muestra la proyección del corpus en el espacio químico obtenido mediante análisis de
componentes principales (PCA). Los dos primeros componentes explicaron conjuntamente el 92,55 % de
la variabilidad total, lo que indicó una representación bidimensional altamente informativa del conjunto.
El componente principal 1 (CP1) explicó el 74,44 % de la varianza y estuvo dominado principalmente
por el peso molecular, la superĄcie polar topológica y la capacidad de formar puentes de hidrógeno. El
componente principal 2 (CP2), con 18,11 % de la varianza, estuvo más inĆuido por el número de enlaces
rotatorios y, en menor medida, por la lipoĄlicidad.
El análisis de sensibilidad mostró que la estructura general del espacio químico se mantuvo práctica-
mente estable cuando el corpus se restringió a los registros con correspondencia única en PubChem, ya
que la varianza acumulada de los dos primeros componentes pasó de 92,55 % a 92,48 %. En cambio, al
excluir los glucósidos Ćavonoidales, la varianza acumulada descendió a 81,17 %, lo que indica que esta
subclase contribuye de manera importante a la organización global del espacio químico. Por ello, la
estructura observada no depende de forma crítica de la conservación de registros ambiguos de PubChem,
pero sí está inĆuida por el peso estructural de los Ćavonoides glicosilados dentro del corpus Ąnal.
Fig. 2. Proyección del espacio químico mediante PCA.
La distribución de los puntos no mostró una separación tajante entre grupos mutuamente ex-
cluyentes, pero sí una organización gradual del corpus. En un extremo del espacio se concentraron
preferentemente compuestos con mayor tamaño molecular y mayor polaridad, patrón compatible con
estructuras glicosiladas o más intensamente funcionalizadas. En sentido opuesto, se ubicaron compuestos
relativamente menos polares o más compactos. Esta disposición sugiere que el espacio químico del
conjunto no fue aleatorio, sino que estuvo ordenado por descriptores Ąsicoquímicos con una fuerte
capacidad discriminante.
Cuando la proyección del análisis de componentes principales se interpretó junto con la composición
estructural del corpus, se observó que los Ćavonoles tendieron a ocupar regiones amplias del espacio
químico, mientras que chalconas, Ćavanonas e isoĆavonas se distribuyeron en zonas más acotadas o
parcialmente superpuestas. Ello indica que la diferenciación del corpus no dependió exclusivamente de
la clase química nominal, sino del balance entre tamaño molecular, polaridad y Ćexibilidad estructural.
En consecuencia, el espacio químico no reĆejó solo etiquetas de clasiĄcación, sino combinaciones reales
de propiedades moleculares [16], [17].
La elevada varianza explicada por los dos primeros componentes respalda la robustez descriptiva de
esta representación. En estudios de quimioinformática aplicada a productos naturales, el uso de PCA
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
45
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
ha sido recurrente precisamente porque permite sintetizar la cobertura del espacio químico y detectar
patrones de agrupamiento o solapamiento entre familias moleculares. Por ello, el comportamiento
observado en este estudio se alinea con una lógica ya consolidada en la exploración computacional de
bases de metabolitos naturales y, al mismo tiempo, muestra que el corpus de Ćavonoides latinoamericano
retenido conserva una organización química interpretable en un espacio reducido de dimensiones [
7
],
[11].
No obstante, la exploración del espacio químico se restringió a una representación mediante PCA
y a su interpretación general, sin incorporar análisis adicionales de densidad, cobertura, similitud o
agrupamientos. En consecuencia, la lectura del espacio químico se mantuvo en un plano descriptivo y
constituye un punto de partida para futuras ampliaciones analíticas.
Entre las principales limitaciones del estudio se encuentran la dependencia de bases abiertas para la
construcción del corpus, la integración nominal incompleta con PubChem, la existencia de registros sin
CID, la ausencia de validación taxonómica exhaustiva de todas las especies asociadas, el sesgo regional
derivado de la documentación disponible en COCONUT y la ausencia de validación experimental de los
compuestos incluidos. Asimismo, el efecto de decisiones metodológicas especíĄcas, como los Ąltros de
depuración o la exclusión de determinados subconjuntos estructurales, no se evaluó mediante análisis
de sensibilidad formal más amplio que el aquí presentado. Estas condiciones no invalidan el enfoque
aplicado, pero sí delimitan el alcance interpretativo de los resultados y orientan futuras ampliaciones del
estudio.
CONCLUSIONES
El principal aporte del estudio consistió en mostrar que la integración de bases químicas abiertas
permite construir un corpus regional de Ćavonoides suĄcientemente consistente para su análisis estructural
y quimioinformático. Más allá de la simple recuperación de registros, el trabajo convirtió un universo
amplio y heterogéneo en una base analítica organizada, trazable y utilizable, lo que conĄrma la viabilidad
de emplear repositorios abiertos como soporte para investigaciones químicas reproducibles enfocadas en
recursos vegetales latinoamericanos.
Asimismo, el estudio evidenció que el conjunto analizado no responde a una composición uniforme,
sino a una diversidad estructural real, modelada en buena medida por modiĄcaciones como la metoxilación
y la glicosilación. En consecuencia, la caracterización del espacio químico permitió recono cer que el
repertorio Ćavonoidal asociado a la colección latinoamericana de COCONUT presenta una organización
interna discernible y, por tanto, puede examinarse con criterios comparativos más sólidos que los derivados
de una clasiĄcación nominal aislada.
Desde el punto de vista metodológico, la articulación entre COCONUT y PubChem mostró que
ambas fuentes cumplen funciones complementarias dentro de un mismo Ćujo de trabajo. Mientras
COCONUT resultó decisiva para delimitar y estructurar el corpus regional, PubChem fortaleció su
trazabilidad química en una proporción importante de los registros. Esta convergencia conĄrma que el
valor de las bases abiertas no radica únicamente en su cobertura individual, sino en la posibilidad de
combinarlas de manera crítica para mejorar la calidad analítica de los conjuntos de datos.
En términos de proyección, la base Ąnal obtenida constituye un punto de partida útil para pro-
cesos posteriores de priorización quimioinformática, exploración de relaciones estructura-propiedad,
identiĄcación temprana de compuestos conocidos y selección de compuestos con potencial de interés far-
macológico, nutracéutico o quimiotaxonómico. Futuros estudios podrían ampliar este enfoque mediante
validación taxonómica más Ąna, resolución estructural de casos ambiguos e incorporación de análisis de
similitud, distancia química, diversidad molecular o cob ertura del espacio químico. De este modo, el
aporte del estudio no se limita a la caracterización del corpus construido, sino que propone una ruta
metodológica aplicable a otros grupos de metabolitos naturales de interés regional.
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
46
ISSN-e: 2542-3401
Período: julioŰseptiembre, 2026
Universidad, Ciencia y Tecnología
Vol. 30, Núm. 132 (pp. 38Ű47)
REFERENCIAS
[1]
M. Sorokina, P. Merseburger, K. Rajan, M. A. Yirik, and C. Steinbeck, ŞCoconut online: Collection
of open natural products database,Ť Journal of Cheminformatics, vol. 13, no. 1, p. 2, 2021.
[2]
V. Chandrasekhar et al., ŞCoconut 2.0: a comprehensive overhaul and curation of the collection of
open natural products database,Ť Nucleic Acids Research, vol. 53, no. D1, pp. D634ŰD643, 2025.
[3]
Y. Chen, M. Garcia De Lomana, N. O. Friedrich, and J. Kirchmair, ŞCharacterization of the
chemical space of known and readily obtainable natural products,Ť Journal of Chemical Information
and Modeling, vol. 58, no. 8, pp. 1518Ű1532, 2018.
[4]
T. Zeng, J. Li, and R. Wu, ŞNatural product databases for drug discovery: Features and applications,Ť
Pharmaceutical Science Advances, vol. 2, p. 100050, 2024.
[5]
M. C. Dias, D. C. G. A. Pinto, and A. M. S. Silva, ŞPlant Ćavonoids: Chemical characteristics and
biological activity,Ť Molecules, vol. 26, no. 17, p. 5377, 2021.
[6]
J. L. Medina-Franco and F. I. Saldívar-González, ŞCheminformatics to characterize pharmacologically
active natural products,Ť Biomolecules, vol. 10, no. 11, p. 1566, 2020.
[7]
A. Gómez-García et al., ŞNavigating the chemical space and chemical multiverse of a uniĄed latin
american natural product database: Lanapdb,Ť Pharmaceuticals, vol. 16, no. 10, p. 1388, 2023.
[8]
A. Gómez-García and J. L. Medina-Franco, ŞProgress and impact of latin american natural product
databases,Ť Biomolecules, vol. 12, no. 9, p. 1202, 2022.
[9]
S. Kim, B. Yu, Q. Li, and E. E. Bolton, ŞPubchem synonym Ąltering process using crowdsourcing,Ť
Journal of Cheminformatics, vol. 16, no. 1, p. 69, 2024.
[10]
S. Kim et al., ŞPubchem 2019 update: improved access to chemical data,Ť Nucleic Acids Research,
vol. 47, no. Database issue, pp. D1102ŰD1109, 2019.
[11]
J. Rosén, J. Gottfries, S. Muresan, A. Backlund, and T. I. Oprea, ŞNovel chemical space exploration
via natural products,Ť Journal of Medicinal Chemistry, vol. 52, no. 7, pp. 1953Ű1962, 2009.
[12]
Y. Fang, W. Cao, M. Xia, S. Pan, and X. Xu, ŞStudy of structure and permeability relationship of
Ćavonoids in caco-2 cells,Ť Nutrients, vol. 9, no. 12, p. 1301, 2017.
[13]
M. Sajid, C. N. Channakesavula, S. R. Stone, and P. Kaur, ŞSynthetic biology towards improved
Ćavonoid pharmacokinetics,Ť Biomolecules, vol. 11, no. 5, p. 754, 2021.
[14]
L. Xie et al., ŞComparison of Ćavonoid o-glycoside, c-glycoside and their aglycones on antioxidant
capacity and metabolism during in vitro digestion and in vivo,Ť Foods, vol. 11, no. 6, p. 882, 2022.
[15]
B. A. Pilón-Jiménez, F. I. Saldívar-González, B. I. Díaz-Eufracio, and J. L. Medina-Franco,
ŞBiofacquim: A mexican compound database of natural products,Ť Biomolecules, vol. 9, no. 1,
p. 31, 2019.
[16]
L. Hu, Y. Luo, J. Yang, and C. Cheng, ŞBotanical Ćavonoids: Efficacy, absorption, metabolism and
advanced pharmaceutical technology for improving bioavailability,Ť Molecules, vol. 30, no. 5, p.
1184, 2025.
[17]
S. Kim, ŞGetting the most out of pubchem for virtual screening,Ť Expert Opinion on Drug Discovery,
vol. 11, no. 9, pp. 843Ű855, 2016.
Basantes E. et al. Diversidad estructural y espacio químico de Ćavonoides reportados en recursos
vegetales latinoamericanos
47
