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 los predictores más potentes de la genómica — REVEL, AlphaMissense, CADD — son fundamentalmente ciegos a ellas. Operan a nivel de proteína: si la proteína no cambia, no tienen señal que medir.
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 usando solo señal termodinámica del mRNA (canales ΔG). Sin información evolutiva, sin conservación, sin estructura 3D. Pura física del nucleótido.
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). 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 abre un nicho que ningún predictor publicado cubre. REVEL, AlphaMissense, CADD — todos son ciegos a variantes sinónimas porque operan a nivel de proteína. EnergyFingerprint opera a nivel de nucleótido. El canal biofísico ya funciona para sinónimas sin modificación.
EnergyFingerprint no compite con AlphaMissense en su terreno. Abre un terreno nuevo donde nadie puede operar — porque nadie más mira 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, decisiva para la adopción 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 ortogonal a 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.