Búsqueda · 34 momentos en 23 episodios
Ignacio CrespoJuan Carlos GilFrancis VillatoroJosé EdelsteinHéctor SocasSilvana TapiaIsabel CorderoLuisa AchaerandioGastón Giribetanálisis de bases individuales del adnfragmentos de 100 bases de adninteligencia artificial y correlaciones adn3200 millones de bases de adnanálisis de adn en correlaciónordenadores poderosos para investigaciónlimitaciones actuales tecnología adninvestigación básica y resultados inciertosADNInteligencia ArtificialFrancis VillatoroADN humanoADN de ratónNatureGoogleAlpha GenomeARN mensajero28 de enero de 2026Ignacio Crespo
Inteligencia Artificial y correlaciones ADN
Con
0:000:301:001:302:002:303:003:38
Francis Villatoro explica las diferentes estrategias que se utilizan para analizar la gran cantidad de datos del ADN, incluyendo dividirlo en fragmentos más pequeños o examinar cada base individualmente.
…muy complicado. Entonces, para tratar de entender eso, ¿qué han decidido hacer? Usar inteligencia artificial. Y se han usado muchas herramientas, pero estas herramientas son muy complicadas porque la cantidad de datos que tenemos que entender es muy grande. De las herramientas utilizan una ventana de contexto relativamente pequeña o utilizan un trozo de ADN grande, pero lo trocean en bins, en trocitos, en trocitos de 100, de 250, de 500 bases y entonces te hacen un análisis de un trozo grande, pero troceado de esa manera o trabajan con trozos relativamente pequeños y ya mira la información base a base, letra a letra en el ADN. Entonces, si pretendemos empezar a entender toda esa complejidad regulatoria del ADN no codificante, lo que tenemos es que atacar el problema de verdad y el problema de verdad es cojo los 3.200 millones de bases y hago un análisis una a una de todas ellas con una inteligencia artificial suficientemente poderosa como mínimo tener correlaciones de todo el ADN con todo el ADN. Eso hoy en día es imposible; no hay ordenadores en el mundo capaces de hacerlo. Pero claro, ¿quién tiene los ordenadores más poderosos para hacer un primer paso hacia eso que nos gustaría a todos tener? Porque puede que eso sea revolucionario o puede que no. Puede que cuando hagamos eso descubramos que todo es demasiado complicado, no lo podemos entender, no lo podemos usar de manera útil, o todo lo contrario. Pensábamos que iba a ser más útil, pero en realidad lo entendemos perfectamente y no es tan útil. ¿Vale? O sea, no sabemos, porque esto es investigación, investigación básica. Entonces, la gran empresa que puede empezar a acercarnos a lo que necesitamos es Google. Sencillamente. Se siente por todos los grupos de investigación en diferentes universidades solamente Google y en concreto DeepMind. Dismine, con el éxito que ha tenido enorme con Alfa Fol 2 y sobre todo Alfa Fol 3, que ahora se…
Significado #1 · Palabras #1
Francis Villatoro explica cómo el avance de la inteligencia artificial en biología y genética ha generado numerosas herramientas para analizar información contenida en el ADN.
Habla: Francis VillatoroSignificado #9 · Palabras #5software análisis información adngenes eucariotas exones intronesproceso splicing arn mensajerosrotura del adn mensajero…muchas facetas y que es la versión integradora de todo eso la que contiene la información. Entonces, ¿una de las cuestiones que ha habido con los enormes avances de inteligencia artificial en el campo de la biología y de la genética ha sido que han aparecido? Muchísimos software, muchísimas herramientas para analizar desde diferentes enfoques lo que es la información que contiene el ADN. La información que contiene el ADN, que no solo son la parte codificante, lo que son realmente los genes, los genes en eucariotas están divididos en trocitos que se llaman exones, con unos trocitos y medio los intrones que no son codificantes de la proteína y un proceso de splicing de pegado de esos ARN mensajeros, de rotura del ADN mensajero para quitarle los exones y después de unión para. obtener un ARN mensajero y eso genera que algunos genes, entre comillas, un grupo de exones, produzca varias proteínas, codifique varias proteínas, no una única proteína, en función de cómo se corten y se peguen esos trozos. Eso genera complejidad, pero…
Francis Villatoro continúa explicando la composición del ADN, detallando que una parte significativa es considerada 'basura' evolutiva, mientras que otra porción, cercana al 50%, parece tener una función biológica aún no completamente comprendida.
Habla: Francis VillatoroSignificado #12adn basura evolutivaregiones repetitivas sin códigofunción biológica adn no codificantefrancis villatoro explica composición adn…desde ribocimas, etcétera. Pero bueno, es un porcentaje relativamente bajo en total, puede ser entre el 2 y el 4% de todo el ADN tiene una información biológica clara, que en principio podemos soñar con asociar una función, pero es que hay una parte. no codificante que es puramente basura, entre comillas, puede ser la mitad del ADN; que son restos evolutivos. Tenemos cantidad de virus, cantidad de regiones que son regiones repetitivas, que claramente no codifican nada, pero también hay como un 40 y largo, cerca del 50% que aparentemente tiene función biológica. Esa es la gran apuesta del proyecto ENCODE. Entender eso, entender que en esa parte no codificante se encuentra una parte reguladora de toda la expresión génica y de cómo se activan unos genes u otros en un tipo de célula o en otro tipo de célula, cómo el…
Francis Villatoro explica las diferentes estrategias que se utilizan para analizar la gran cantidad de datos del ADN, incluyendo dividirlo en fragmentos más pequeños o examinar cada base individualmente.
Habla: Francis VillatoroSignificado #1 · Palabras #1análisis de bases individuales del adnfragmentos de 100 bases de adninteligencia artificial y correlaciones adn3200 millones de bases de adnanálisis de adn en correlaciónordenadores poderosos para investigaciónlimitaciones actuales tecnología adninvestigación básica y resultados inciertos…muy complicado. Entonces, para tratar de entender eso, ¿qué han decidido hacer? Usar inteligencia artificial. Y se han usado muchas herramientas, pero estas herramientas son muy complicadas porque la cantidad de datos que tenemos que entender es muy grande. De las herramientas utilizan una ventana de contexto relativamente pequeña o utilizan un trozo de ADN grande, pero lo trocean en bins, en trocitos, en trocitos de 100, de 250, de 500 bases y entonces te hacen un análisis de un trozo grande, pero troceado de esa manera o trabajan con trozos relativamente pequeños y ya mira la información base a base, letra a letra en el ADN. Entonces, si pretendemos empezar a entender toda esa complejidad regulatoria del ADN no codificante, lo que tenemos es que atacar el problema de verdad y el problema de verdad es cojo los 3.200 millones de bases y hago un análisis una a una de todas ellas con una inteligencia artificial suficientemente poderosa como mínimo tener correlaciones de todo el ADN con todo el ADN. Eso hoy en día es imposible; no hay ordenadores en el mundo capaces de hacerlo. Pero claro, ¿quién tiene los ordenadores más poderosos para hacer un primer paso hacia eso que nos gustaría a todos tener? Porque puede que eso sea revolucionario o puede que no. Puede que cuando hagamos eso descubramos que todo es demasiado complicado, no lo podemos entender, no lo podemos usar de manera útil, o todo lo contrario. Pensábamos que iba a ser más útil, pero en realidad lo entendemos perfectamente y no es tan útil. ¿Vale? O sea, no sabemos, porque esto es investigación, investigación básica. Entonces, la gran empresa que puede empezar a acercarnos a lo que necesitamos es Google. Sencillamente. Se siente por todos los grupos de investigación en diferentes universidades solamente Google y en concreto DeepMind. Dismine, con el éxito que ha tenido enorme con Alfa Fol 2 y sobre todo Alfa Fol 3, que ahora se…
Francis Villatoro describe un artículo publicado en Nature el 28 de enero de 2026, financiado por Google, que valida una idea previamente presentada como preprint.
Habla: Francis VillatoroPalabras #3alpha genome google inteligencia artificialresolución base alpha genomeartículo nature open acceso googleinteligencia artificial adn humano ratónvalidación preprint google enero 2026software inteligencia artificial disponibleaplicación inteligencia artificial plantas animales…Es decir, no es lo que queremos, no es lo que deseamos, no es lo que soñamos, no es lo que va a revolucionar la biomedicina desde el punto de vista de la genética, y sobre todo la medicina personalizada, porque todavía lejísimos, pero es muy prometedor. Es un software de inteligencia artificial con una ventana de un millón, una megabase, un millón de letras con resolución de una letra, una a una. Eso es un salto de gigante comparado con las decenas de software que hay actualmente que hacen este tipo de cosas con, ya os digo, trozos mucho más pequeños, base a base o trozos comparables, no tan grandes, pero a trozos que pierden la información. Es decir, el salto, ese salto de gigante a resolución a una base en un millón de bases, en una ventana de un millón de bases, es un salto absolutamente abismal. Y es un salto que hay que validar. Y eso es lo que nos presenta este artículo en Nature. Este artículo en Nature que se apareció el 28 de enero de 2026 y que por supuesto es open, es abierto, es para que todo el mundo pueda acceder a ello, lo paga Google. Es un artículo muy interesante porque básicamente lo que hace es validar la idea. Validar la idea; esto apareció en Preprint el año pasado en julio y ya está, ya tenían. Había acceso al software y ya ha habido mucha gente que lo ha usado y está viendo que parece útil. Es una inteligencia artificial entrenada solamente con el ADN humano y de ratón y ahora mismo mucha gente lo está intentando usar en ADN de plantas o en ADN de ciertos animales. Ahí no sabemos realmente si es útil o no; lo que te dicen es todavía es muy pronto para aplicarlo a otras cosas. Todavía nos falta avanzar mucho en humano y en ratón para que esto sea útil. Pero la ventaja que tenemos es que se ha validado con todos los softwares de inteligencia artificial que están disponibles y lo que se ha observado es que esta inteligencia artificial única de DeepMind en todas las respuestas da resultados comparables a todas las demás herramientas, con lo que cuando un bioquímico normalmente tenía que usar dos o tres herramientas, pues quiero ver en este: tengo un gen o un par de genes y quiero ver el entorno…
Ignacio Crespo explica cómo los nucleótidos (adenina, citosina, guanina y timina) se unen para formar cadenas de ADN, formando bucles específicos mediante la disposición intencionada de estos elementos.
Habla: Isabel CorderoSignificado #20adenina une siempre a timinacitosina se une a guaninasecuencia nucleótidos diseñada intencionadamente…lo van traduciendo hasta que da lugar a algo entendible para las células, como son las proteínas. Bueno, pues esos nucleótidos, esas A, C, G, T, están dispuestas en forma de cadena, pero tienen una característica y es que se unen unas a otras, pero no lo Hacen al azar, sino que la adenina, la A, se une siempre a la T, por una serie de enlaces de puentes de hidrógeno, y la citosina se une siempre a la guanina, y viceversa; cuando hay una guanina. De esta forma nosotros podemos hacer cadenas de ADN con una secuencia de nucleótidos con una digamos una secuencia determinada hecha y diseñada a propósito para, por ejemplo, voy a poner un ejemplo: si yo tengo una y luego introduzco seis o siete citosinas y ahora pongo una timina, yo sé que la adenina se va a unir a la timina y me va a formar un loop; simplemente habiendo un loop, habiendo hecho, digamos conscientemente, esa unión de esos nucleótidos en ese orden. Yo ya He conseguido hacer un loop, un lazo, si voy poniendo más nucleótidos, pues puedo hacer más lazos o puedo ir haciendo otras estructuras; es decir, puedo diseñar una figura geométrica con ADN únicamente combinando de forma adecuada esos nucleótidos, además eso…