Biocomputación, IA y Capital Q.
La CNN sinónima se reduce a dos observables físicos interpretables — el ΔΔG de apilamiento con signo (Turner) + el sesgo G>A — que la igualan (AUC 0.68) y generalizan entre genes. Glass-box, desplegable como pip install ef-synonymous + herramienta web gratuita.
leer →Comparativa formal en 7 genes con meta-análisis estratificado. EF alcanza ΔAUC de -0.024 a -0.040 frente a predictores masivos — y supera a CADD en el canal de sodio SCN1A (0.913 vs 0.832). Señal ortogonal confirmada.
leer →CNN 1D multicanal que combina la energía libre de apilamiento del mRNA con señal evolutiva de ESMC-300M. 42 genes validados, AUC hasta 0.99, transferibilidad zero-shot entre familias de proteínas.
leer →El perfil ΔG de apilamiento aporta una dimensión ortogonal a la estructura secundaria (R²=0.144). Optimizador dual que supera a BNT162b2 y mRNA-1273 en ΔG y MFE simultáneamente.
leer →Las variantes sinónimas no cambian la proteína pero sí el perfil termodinámico del mRNA. Primer predictor CNN con señal termodinámica pura: AUC 0.683. Marco conceptual Λ = S ⊗ Φ.
leer →Un modelo de empresa donde la unidad de capital no es la hora de trabajo ni el activo físico, sino el token: el cómputo de inferencia que, gobernado y capturado, se acumula como conocimiento propio y defendible.
leer →Un tablero Kanban donde varios agentes colaboran bajo supervisión humana: broker de aprobación fail-closed, auditoría hash-chain, RBAC y adaptador multi-LLM. Nació como banco de pruebas de los pipelines del laboratorio.
leer →Una adaptación del Business Model Canvas a nueve bloques para forzar las decisiones caras —segmento, autonomía, KPIs, integraciones, costes, riesgos— antes de escribir una línea de código.
leer →Cómo hacer investigación deep-tech con modelos locales, agentes especializados y acceso puntual a modelos fundacionales — proyectos que antes exigían un equipo completo, ahora al alcance de una persona. QMetrika como caso real.
leer →