Hasta la fecha, la enfermedad infecciosa por SARS-CoV-2, llamada COVID-19 por la Organización Mundial de la Salud (OMS) en febrero de 2020, ha causado millones de infecciones y cientos de miles de muertes. A pesar de los esfuerzos de la comunidad científica, actualmente no hay terapias aprobadas para tratar esta infección por coronavirus. El proceso de desarrollo de nuevos medicamentos es costoso y lleva tiempo, por lo que la reutilización de fármacos puede ser la solución ideal para combatir la pandemia. En este trabajo, seleccionamos las proteínas codificadas por SARS-CoV-2 y, utilizando modelado por homología, identificamos el modelo de alta calidad de las proteínas. Se realizó un estudio de modelado de farmacóforos basado en la estructura para identificar las características del farmacóforo para cada objetivo. Los modelos de farmacóforos se utilizaron luego para realizar un cribado virtual contra la biblioteca de DrugBank (fármacos en investigación, aprobados y experimentales). Se identificaron posibles inhibidores para cada objetivo utilizando acoplamiento XP y acoplamiento de ajuste inducido. También se realizó MM-GBSA para priorizar mejor los posibles inhibidores. Este estudio proporcionará una nueva comprensión importante de los puntos calientes de unión cruciales utilizables para estudios posteriores sobre COVID-19. Nuestros resultados pueden utilizarse para guiar el cribado virtual supervisado de grandes bibliotecas disponibles comercialmente.