Cómo un modelo de aprendizaje automático elige el siguiente lote de genes en un cribado CRISPR

Un mapa trazado con los aciertos previos, no con las vías de los manuales

El punto de partida no procede de los libros de texto, sino de resultados previos de cribados. En esos registros, un mismo gen podía dar positivo en un ensayo y negativo en otro. El sistema representa cada gen como un punto en un espacio reducido de 10 dimensiones: dos genes se sitúan cerca si tienden a aparecer juntos como positivos en los mismos tipos de cribado. Esa es la idea central: una geometría basada en co-positivos, no en la pertenencia a vías metabólicas.

La base de datos era extensa pero incompleta. Abarcaba 1 349 cribados de entrenamiento y 23 724 genes, aunque solo el 64 % de los posibles pares cribado-gen tenía un resultado registrado. La tasa global de positivos fue apenas del 7,3 %. Las entradas faltantes no se interpretaron como fallos, sino que se dejaron como desconocidas. Una distinción crucial, pues un gen sin probar no equivale a uno negativo.

Un método de completación de matrices rellenó la estructura ausente. Estimó factores latentes para los cribados y los genes, y utilizó esos factores para posicionar cada gen. Los genes sin historial recibieron una posición neutral más un pequeño sesgo basado en su frecuencia global de positivos. El resultado fue un mapa del comportamiento compartido en el cribado.

Al examinar ese mapa, no se asemeja a un diagrama de vías metabólicas. Los miembros del mismo complejo proteico o vía Reactome aparecen dispersos. En cambio, los genes se agrupan por fenotipo de cribado. Un grupo contiene genes esenciales comunes, mientras que otros corresponden a genes esenciales contextuales y selectivamente esenciales, respuesta inmune o viral, apoptosis y varios patrones de respuesta al daño del ADN. El mapa captura lo que tiende a dar positivo conjuntamente en ensayos reales.

El entrenamiento apenas modifica el mapa. Las similitudes por pares antes y después del entrenamiento correlacionan en 0,999, y más del 95 % de los vecinos más cercanos de cada gen permanecen inalterados durante el ajuste fino con aprendizaje por refuerzo. Los embeddings iniciales aleatorios se reorganizan casi por completo. Algunos basados en biología mantienen su estabilidad, pero siguen rindiendo mal. La propiedad útil no es la estabilidad en sí misma, sino que el mapa de co-positivos ya está alineado con el descubrimiento adaptativo de positivos.

De la retroalimentación del laboratorio, ronda tras ronda, a una mejor selección de genes

Cada ronda del cribado génico arroja una lista breve de aciertos y fallos. El modelo interpreta esas etiquetas como nueva evidencia, no como ruido que deba descartarse. Para cada gen probado, almacena dos componentes aprendidos: uno identifica al gen y el otro registra si dio positivo en ese ensayo concreto. Ambos se combinan antes de pasar por la red transformadora.

La descripción del experimento también se codifica. Un codificador de texto congelado convierte las palabras en números y un mapa lineal los proyecta al mismo espacio que la historia génica. Una vez procesada toda esta información, el transformador genera un vector único que resume lo aprendido hasta ese momento. Este vector de contexto puntúa a cada gen aún no probado mediante una comparación bilineal con su propio embedding, sumando un pequeño sesgo específico para cada gen. El siguiente lote consiste simplemente en los 100 genes con mayor puntuación entre los pendientes.

Este ciclo es crucial porque una sola ronda rara vez revela la totalidad del fenómeno. A veces, un gen solo muestra su potencial después de que otro acierto ponga de manifiesto una vía metabólica. Por ello, el entrenamiento emplea historiales parciales simulados de distintas longitudes. En cada cribado, se revelan como contexto observado hasta 1 024 genes. Ocasionalmente, el subconjunto se reextrae para garantizar la presencia de al menos un acierto mientras se mantiene oculto otro verdadero positivo. Así se obliga al modelo a aprender de retroalimentación informativa y no solo de casos triviales.

El entrenamiento supervisado enseña primero una regla básica: dado lo observado, predecir qué genes sin ver darán positivo. La función de pérdida equilibra los aciertos con los fallos. A continuación, el aprendizaje por refuerzo amplía la perspectiva simulando campañas completas de varias rondas en lugar de predicciones aisladas. Para cada cribado se generan ocho trayectorias (rollouts) que permiten al modelo comparar distintos caminos a través del mismo ensayo. Al añadir ruido de muestreo fresco en cada paso, las trayectorias divergen conforme se acumula más evidencia.

La función de recompensa compara la política actual con una línea base congelada que ignora la retroalimentación observada. Esta señal de delta contextual aísla la mejora atribuible específicamente al uso de los resultados del laboratorio. Supera a un objetivo que solo premia el enriquecimiento final de aciertos: la versión basada en delta alcanza un factor de enriquecimiento de 4,83, mientras que el entrenamiento centrado en el enriquecimiento terminal cae a 4,29. La razón es sencilla: una puntuación final no permite distinguir qué decisiones se beneficiaron de etiquetas previas.

Eliminar la descripción del cribado reduce modestamente el enriquecimiento, de 4,83 a 4,52. Esto sugiere que los patrones transversales aprendidos entre cribados aportan gran parte de la orientación inicial. No obstante, la retroalimentación resulta decisiva cuando comienza un nuevo ensayo y el modelo debe actualizar sus predicciones ronda tras ronda.

Evaluar si las selecciones son útiles, precisas o fruto de la casualidad

Las decisiones útiles se evalúan bajo un presupuesto estricto. El factor de enriquecimiento solo contabiliza tres tipos de selecciones: genes procedentes de la biblioteca histórica de cribados, nombres de genes inventados y huecos vacíos en el lote. Los genes reales válidos que no figuran en esa biblioteca antigua no sirven para normalizar la puntuación. Así se evita que un sistema aparente buen rendimiento simplemente nombrando muchos genes plausibles pero sin medir.

La curva nAUC registra los aciertos acumulados a medida que se consulta efectivamente más de la biblioteca. Un hueco sin rellenar no avanza la curva. Una política que deja lotes vacíos se detiene antes, en lugar de rellenarse hasta el presupuesto completo. La curva se normaliza mediante un oráculo que encuentra todos los aciertos primero sobre el mismo presupuesto efectivo. La selección aleatoria arroja aproximadamente la tasa de aciertos del cribado cuando no se adquieren todos los positivos.

La recuperación de la fracción de aciertos utiliza solo las adquisiciones dentro de la biblioteca como posibles positivos. Los genes fuera de la biblioteca y los nombres inventados no pueden contribuir. El déficit cuenta tanto los genes reales fuera de la biblioteca histórica como los nombres de genes fabricados. Un déficit alto significa que muchas sugerencias no se pueden verificar contra la evidencia de ensayos pasados.

Un diagnóstico separado pregunta si el éxito proviene de una biología genérica de muerte celular. Utiliza 1 827 genes esenciales comunes de DepMap. Si la mayoría de los aciertos recuperados son estos genes ampliamente letales, el enriquecimiento puede reflejar una vulnerabilidad amplia en lugar de una señal específica del cribado. Las mejores configuraciones de AssayLoop se sitúan entre el 29 y el 35 por ciento en esta medida. Una línea base de aciertos previos alcanza el 99,1 por ciento. La selección aleatoria es del 18,6 por ciento.

Señales direccionales ocultas en las preferencias del modelo por los genes

El modelo no reduce los genes a etiquetas aisladas. Aprende preferencias que se modifican en función de qué otros genes han dado positivo. Para poner esto de manifiesto, el sistema se sometió a una sonda controlada: un gen se marcó como acierto y un conjunto aleatorio de 50 genes ya probados actuó como fondo. A continuación, se midió la puntuación de otro gen objetivo. El proceso se repitió con diez fondos distintos, utilizando en cada caso una descripción genérica de cribado esencial.

El resultado no es un simple mapa de amistades. Que el gen A haga más atractivo al B no implica que el B haga lo mismo con el A. La matriz de influencia presenta una correlación de solo 0,16 con su imagen especular, lo que denota una asimetría casi total. En el 44 % de los pares recíprocos, las dos direcciones apuntan en sentidos opuestos: una eleva la puntuación del objetivo y la otra la reduce.

Un ejemplo concreto ilustra esta asimetría. Cuando MDM2 se trató como acierto, la puntuación de PFDN4 subió 0,33, un incremento modesto. En cambio, cuando PFDN4 fue el gen marcado como positivo, la puntuación de MDM2 cayó 0,46. El mismo par, invertido, produce signos opuestos y magnitudes distintas. Esto indica que el modelo almacena pistas direccionales sobre qué resultado debe modificar qué elección posterior.

Estas pistas no son meras copias de la biología de los libros de texto. Los pares ya catalogados en las principales bases de datos de interacciones y vías se excluyeron del análisis, pero aun así persistieron patrones fuertes. Algunos sugieren coesencialidad o letalidad sintética: tras aciertos de MYC, el modelo priorizó más los genes del spliceosoma. Tras aciertos de MDM2, los genes asociados al estrés nucleolar. Otros parecen reflejar enmascaramiento o exclusión: la dependencia de los genes de la maquinaria mitótica disminuyó tras aciertos de PIK3CA, y la de los genes de OXPHOS bajó tras aciertos de SMAD4. No se trata de interacciones biológicas probadas, sino de patrones de decisión que el modelo ha inferido a partir de cribados anteriores.

En términos llanos, un acierto puede abrir una puerta y cerrar otra. La dirección importa porque las decisiones posteriores dependen de lo aprendido hasta ese momento. Un gen que parece irrelevante por sí solo puede volverse valioso tras la aparición de un acierto específico, o perder valor si otro resultado altera las necesidades aparentes de la célula.

Un camino práctico desde cribados ruidosos hasta mejores decisiones

Elegir bien los genes mejora cuando el modelo aprende de lo ya probado. Los patrones históricos de aciertos pesan más que los mapas ordenados de vías metabólicas. Los genes que aparecen juntos como positivos en muchos cribados encierran una estructura útil, capaz de guiar el siguiente lote de pruebas incluso antes de iniciar un nuevo experimento.

Esto abre la puerta a un cribado más rápido. El laboratorio no tiene por qué esperar a medir cada gen. Puede usar la retroalimentación temprana para acotar la búsqueda. El enfoque híbrido resulta especialmente prometedor al combinar dos fortalezas: el modelo de lenguaje ofrece primeras selecciones biológicamente plausibles basadas en la descripción del cribado, y una política entrenada actualiza esas elecciones a medida que llegan los resultados de positivos y negativos. Esa división del trabajo hace el proceso más enfocado, estable y menos dependiente de una única fuente de conocimiento.

Sin embargo, los obstáculos son reales. El método sigue apoyándose fuertemente en cribados pasados. Si un gen se midió raramente antes, su puntuación descansa sobre evidencia débil. Algunos genes seleccionados caen fuera de la biblioteca histórica, lo que dificulta la evaluación e invita a conjeturas. El sesgo hacia los genes esenciales es otra trampa: muchos aciertos pueden reflejar una biología genérica de muerte celular en lugar de la vía específica bajo prueba. Además, el modelo descubre dependencias direccionales que parecen biológicamente plausibles, pero son patrones de decisión inferidos, no interacciones probadas.

La perspectiva más amplia es un cambio de la anotación estática a la evidencia adaptativa. El conocimiento biológico sigue siendo útil, aunque debe tratarse como una señal entre muchas. Los sistemas futuros podrían combinar modelos abiertos, metadatos más ricos de ensayos y bucles de retroalimentación del laboratorio más ajustados. También necesitarán mejores formas de separar la biología específica del cribado de la esencialidad amplia y de probar las relaciones genéticas inferidas en experimentos de laboratorio húmedo.

La pregunta no es si las máquinas pueden ayudar a elegir genes. La cuestión difícil es si podrán seguir eligiendo los correctos cuando cada nuevo resultado cambie lo que importa a continuación.