Para entender cómo una planta se defiende de las enfermedades, los científicos necesitan traducir el comportamiento de sus genes al lenguaje matemático. El problema es que, a menudo, el uso de modernos programas de Inteligencia Artificial dificulta entender lo que realmente ocurre dentro del organismo. Este desafío fue el centro de la presentación del investigador chileno Gonzalo Ruz Heredia en la Conferencia sobre Inteligencia Computacional en Bioinformática y Biología Computacional (CIBCB 2026), desarrollada entre el 31 de agosto y el 2 de septiembre en la Universidad de El Pireo, Grecia.
El congreso mundial, organizado por el IEEE —la mayor red técnica global, con 460.000 especialistas en más de 190 países—, reunió a expertos internacionales para discutir el cruce entre algoritmos y biología. Durante la jornada inaugural, el director del Núcleo Milenio SODAS e investigador principal de Phytolearning presentó su estudio sobre cómo mapear la genética de las plantas: “Continuous surrogates versus threshold Boolean networks for modeling Arabidopsis ISR gene regulation”. Su exposición demostró que no siempre se necesita la matemática más compleja; a veces, los modelos más simples —que funcionan como interruptores básicos de ‘encendido’ y ‘apagado’— son mucho mejores para descubrir la verdadera lógica de la vida.
“Me interesa abrir el debate sobre que la simplicidad de las redes Booleanas no es una debilidad si uno tiene claro qué le está pidiendo al modelo. Son una herramienta legítima para el modelamiento cualitativo, la lógica regulatoria, la secuencia de estados, y pueden complementarse con modelos continuos cuando se necesita la parte cuantitativa. Hay literatura reciente bastante crítica sobre los límites de los modelos de umbral, y creo que la discusión gana si se plantea en términos de complementariedad y no de cuál modelo es mejor”, detalla el Dr. Ruz, también académico de la Universidad Adolfo Ibáñez.
Cortoplacismo algorítmico
Para probar su hipótesis, el equipo analizó la Respuesta Sistémica Inducida (ISR), un mecanismo de defensa mediante el cual la planta modelo Arabidopsis thaliana activa sus defensas genéticas al entrar en contacto con una bacteria benéfica en sus raíces, preparándose para resistir futuros ataques sin necesidad de recurrir a plaguicidas químicos. Al modelar esta arquitectura de defensa —compuesta por una red de ocho genes clave, entre ellos ERF1, WRKY70, WRKY33 y MYC2—, los investigadores descubrieron que los algoritmos de aprendizaje automático más populares tropiezan en el largo plazo. Modelos predictivos como Random Forest demostraron una precisión numérica sobresaliente para anticipar el paso inmediato, pero al intentar proyectar la secuencia temporal completa, el modelo acumuló desviaciones hasta extrapolar sobre sus propios errores.
“En la proyección larga el modelo deja de mirar los datos: cada predicción se convierte en la entrada de la siguiente, y los errores se acumulan. Basta con desviarse un poco para entrar en un estado que el modelo nunca vio en el entrenamiento, y de ahí en adelante está extrapolando sobre su propia extrapolación. El Random Forest es especialmente vulnerable a esto porque predice promediando casos observados: es muy bueno interpolando cerca de lo que ya conoce, pero no puede ir más allá del rango de sus datos, y con solo ocho transiciones ese rango es estrecho. Es la diferencia entre acertar el próximo cuadro y contar bien la película: son dos habilidades distintas, y nuestro trabajo muestra que medir solo la primera puede llevar a elegir el modelo equivocado”, advierte el doctor en Machine Learning de 47 años.
La elegancia de lo simple
A diferencia de los algoritmos basados en árboles de decisión, otras estructuras de inteligencia artificial —como los perceptrones multicapa (MLP) o redes neuronales— lograron mantener una trayectoria más estable a largo plazo, demostrando que no todas las herramientas predictivas se comportan de la misma manera. Sin embargo, el verdadero punto de quiebre del estudio llegó al evaluar el rendimiento de las Redes Booleanas de umbral. Este modelo más discreto logró reproducir la trayectoria de los genes de forma exacta, sin los errores acumulativos de los algoritmos continuos.
“El modelo está formulado en el mismo lenguaje que la pregunta: si lo que importa es si un gen está activo o inhibido, un modelo que opera sobre estados binarios no gasta capacidad en reproducir magnitudes ruidosas. Además, con solo ocho transiciones, un modelo con pocos parámetros y una estructura restringida tiene menos espacio para sobreajustar que uno más flexible”, señala el Dr. Ruz.
Con todo, el investigador nacido en Punta Arenas aclara que no se trata de declarar un ganador absoluto: la red booleana no predice niveles exactos de expresión cuantitativa, sino que su gran virtud es entregar la estructura regulatoria de forma legible. Esta visión integrada —que separa el modelamiento cuantitativo continuo del análisis cualitativo lógico— busca transformar la forma en que los biólogos formulan hipótesis concretas en el laboratorio, como definir qué genes silenciar o qué mutantes probar. Tras su presentación en Grecia, el investigador subraya que el futuro de esta línea de trabajo dependerá de la colaboración internacional.
“El valor de estos congresos está más en los pasillos que en la sala. Después de varios años asistiendo, las colaboraciones surgen de conversaciones con gente que trabaja problemas parecidos desde otros ángulos. En concreto, este trabajo pide continuación en dos direcciones donde hace falta colaborar: probarlo en sistemas más grandes y con series de tiempo más largas, y explorar modelos híbridos. Ahí es donde espero que aparezcan alianzas que se traduzcan en proyectos concretos desde Chile”, concluye.
Phytolearning
El Núcleo Milenio en Ciencia de Datos y Resiliencia Vegetal (Phytolearning) es un centro de investigación financiado por la Agencia Nacional de Investigación y Desarrollo (ANID), perteneciente al Ministerio de Ciencia, Tecnología, Conocimiento e Innovación del Gobierno de Chile.