El punto ciego de la genómica
Una variante sinónima es una mutación en el ADN que no cambia el aminoácido codificado. El codón cambia, pero la proteína resultante es idéntica. Durante décadas, las variantes sinónimas se consideraron "silenciosas" — sin efecto funcional.
Sabemos que eso es falso. Variantes sinónimas causan fibrosis quística, cáncer, y decenas de enfermedades. Pero dos de los predictores más usados de la genómica — REVEL y AlphaMissense — son ciegos a ellas: operan a nivel de proteína, así que si la proteína no cambia, no tienen señal que medir. CADD sí puntúa variantes sinónimas, al integrar anotaciones a nivel de nucleótido, y SpliceAI las puntúa mejor que nuestra señal termodinámica cuando caen cerca de un borde de exón.
Aquí es donde las dos líneas de investigación de QMetrika convergen.
Si la proteína no cambia pero el paciente enferma, la patología está en el mRNA, no en la proteína. Y el mRNA tiene física propia que una mutación sinónima puede alterar.
El marco: Λ = S ⊗ Φ
S — código genético (secuencia proteica) · identidad semántica
Φ — restricciones biofísicas (factor de forma termodinámico del mRNA)
⊗ — dependencia sistémica entre ambos ejes
Cada transcrito de mRNA tiene dos capas de información. S es el mensaje digital: la secuencia de aminoácidos que codifica. Φ es el canal analógico: la termodinámica del mRNA que determina cómo de eficientemente se traduce ese mensaje — estabilidad local, velocidad de traducción, plegamiento cotraduccional.
En una variante missense, ambos ejes cambian: ΔS ≠ 0, ΔΦ ≠ 0. En una variante sinónima, el argumento es elegante: ΔS = 0, ΔΦ ≠ 0. La proteína no cambia, pero el factor de forma del mRNA sí. Si eso causa enfermedad, la patología es puramente termodinámica.
Este marco se presenta en el Paper 1 como un framework conceptual cualitativo — no como álgebra formal. El Paper 2 lo concreta en la dirección opuesta y más fuerte: la señal se descompone en dos observables físicos interpretables (ΔΔG de apilamiento con signo + G>A) que reproducen al clasificador profundo.
Mecanismos patogénicos
¿Cómo puede una variante que no cambia la proteína causar enfermedad? Cuatro mecanismos que el perfil ΔG puede capturar:
Desestabilización del mRNA
Alteración del apilamiento local que reduce la estabilidad termodinámica → degradación acelerada del mRNA → menos proteína producida.
Splicing aberrante
Cambio de estructura secundaria local que altera sitios de splicing o disrumpe enhancers/silencers exónicos (ESE/ESS).
Velocidad de traducción
Codones raros o cambios de apilamiento que ralentizan al ribosoma → misplegamiento cotraduccional de la proteína.
Regulación en cis
Disrupción de elementos regulatorios que dependen de la secuencia de nucleótidos, no de la secuencia proteica.
Resultados
CNN dedicada: AUC 0,683 ± 0,018 usando solo señal termodinámica del mRNA (canales ΔG). Sin información evolutiva, sin conservación, sin estructura 3D. Pura física del nucleótido. No supera a SpliceAI.
Nota sobre los AUC: se calculan sobre ClinVar, donde el valor puede reflejar la identidad del gen o la posición de la variante más que el efecto de la propia variante.
LOGO (Leave-One-Gene-Out): AUC 0.625 — la señal generaliza entre genes, no es un artefacto de un gen particular.
Hallazgo mecanístico — enriquecimiento G>A: Las variantes sinónimas patogénicas están enriquecidas 2.60× en transiciones G>A. Esto tiene una explicación termodinámica directa: G>A reduce el apilamiento (la guanina apila más fuerte que la adenina), y este efecto es capturado por el perfil ΔG.
Efecto del largo del CDS: Genes con CDS más largo tienen señal termodinámica más fuerte. Esto es consistente con el modelo: mRNAs más largos tienen más oportunidades para que una perturbación local se propague.
Lo que esto implica
Un AUC de 0,683 no compite con los mejores predictores de missense (que llegan a 0,99), ni con SpliceAI en las sinónimas cercanas a un borde de exón. Pero no tiene que hacerlo. La pregunta no es "¿es mejor que AlphaMissense?" sino "¿existe señal termodinámica en variantes sinónimas?" Y la respuesta es sí.
Esto apunta a un hueco donde los predictores a nivel de proteína no llegan: REVEL y AlphaMissense son ciegos a las variantes sinónimas. EnergyFingerprint opera a nivel de nucleótido, y su canal biofísico funciona para sinónimas sin modificación. El hueco no está vacío: CADD las puntúa, y SpliceAI lo hace mejor que nosotros cuando el mecanismo es de splicing.
EnergyFingerprint no compite con AlphaMissense en su terreno. Mira otro eje: la física del mRNA.
La trilogía
Este paper es el primero de tres que despliegan progresivamente el marco Λ = S ⊗ Φ:
Tres papers, una pregunta escalonada
"La señal existe" (este paper) — CNN dedicada demuestra que la señal termodinámica discrimina sinónimas patogénicas de benignas. Marco Λ = S ⊗ Φ presentado como framework conceptual cualitativo.
"La señal es interpretable" (horizonte 2027) — La CNN dedicada se reduce a dos observables físicos: el ΔΔG de apilamiento con signo (parámetros Turner) más el sesgo mutacional G>A. Un modelo de 2 variables iguala a la red profunda y generaliza entre genes — interpretabilidad total del operador σ, un paso hacia la trazabilidad que exige la clínica.
"La física predicha ocurre en la célula" (horizonte 2027-2028) — Validación experimental directa. DMS-MaPseq mide accesibilidad in vivo. Reporter assays miden expresión. ¿ΔΦ predicho = cambio estructural real?
Convergencia L1 × L2
Este trabajo es la convergencia natural de las dos líneas de investigación de QMetrika. L1 (EnergyFingerprint) proporciona la CNN y el gradiente de transferibilidad. L2 (mRNA Design) demuestra que el perfil ΔG es una dimensión útil y ortogonal.
Juntas predicen exactamente este resultado: si ΔG es informativo para missense y aporta una dimensión propia frente al MFE, debería ser informativo también para sinónimas — donde es la única señal disponible, porque la proteína no cambia.
La extensión natural es el canal evolutivo. ESM-1v opera a nivel de proteína — para sinónimas no aplica directamente. Pero un masked marginal a nivel de DNA (no de proteína) podría capturar presión evolutiva sobre la secuencia de nucleótidos. Eso es materia del Paper 2.
Actualización (sep 2026): un control posterior matiza este resultado. En el conjunto de sinónimas patogénicas confiables de ClinVar, ~65% cae a ≤3 nt de un borde de exón, y SpliceAI —una herramienta gratuita— las clasifica mejor que la señal termodinámica (AUC 0,97 vs σ+G>A 0,59 en el estrato exónico profundo). En la práctica, el positivo de ClinVar es un conjunto de variantes de splicing. Esto no refuta que la termodinámica importe para expresión/traducción — dice que ClinVar no puede probarlo, y que hace falta dato funcional (MPRA / reporter / DMS-MaPseq). El resultado se mantiene como interpretabilidad (σ+G>A ≈ CNN), no como clasificador clínico independiente.