Gemini 4 Carbon: reconstruye un conjunto de referencia de pKa para el descubrimiento de fármacos a partir de datos brutos de laboratorio
Eigent
De datos brutos de laboratorio a un conjunto de referencia para el descubrimiento de fármacos
El pKa es el pH al que una molécula gana o pierde un protón. Determina cómo se disuelve un fármaco, cómo atraviesa las membranas y cómo se une a su diana, por eso es una de las primeras propiedades que miden los científicos que trabajan en el descubrimiento de fármacos.
Para el instrumento, medirlo es rutina. Convertir los registros brutos en valores de referencia fiables es trabajo de expertos. Un analista con formación corrige las lecturas del electrodo, ajusta los espectros UV en todo el intervalo de pH, extrapola las medidas en metanol–agua al agua pura y decide en qué series confiar. Serie tras serie, eso exige mucho tiempo y cuidado.
Así que le encargamos el análisis a Gemini 4 Carbon en Eigent. Un solo encargo y 97 archivos brutos del instrumento (con todos los resultados calculados borrados, sin internet y sin pistas) se convirtieron en un conjunto de referencia de pKa completo para 35 compuestos de tipo fármaco. El 99.7 % de las medidas individuales fueron correctas: la mejor puntuación de todos los modelos que hemos probado en esta tarea hasta ahora.
El flujo de trabajo de un vistazo
Un solo encargo bastó para pasar de los archivos brutos a un conjunto de referencia terminado. Cada etapa dejó algo que pudimos comprobar.
| Etapa | Qué ocurrió | Qué produjo |
|---|---|---|
| Decodificar | Descifró el formato de archivo no documentado del instrumento y la calibración de su electrodo | pH y pH corregido para cada lectura |
| Ajustar | Ajustó los espectros UV en todo el intervalo de pH, a muchas longitudes de onda a la vez | Un pKa para cada una de las 291 valoraciones |
| Extrapolar | Extrapoló los resultados en metanol–agua al agua pura | Un pKa acuoso para cada una de las 97 series |
| Juzgar | Aceptó o excluyó series con pruebas: precipitación, espectros erróneos, pendientes sin sentido físico | Medias por compuesto calculadas solo con series fiables |
| Entregar | Escribió la respuesta y el script que la generó | El conjunto de referencia y un único script de análisis en Python |
| Comprobar | Puntuó la respuesta y confirmó que la ejecución se mantuvo sin conexión | Resultados en todos los niveles y un registro de auditoría |
A continuación, te contamos cómo lo hizo Gemini 4 Carbon, incluido dónde se quedó corto y por qué.
Lo que entregó
- Un conjunto de referencia de pKa completo - un pKa y un contenido de metanol para cada valoración, un pKa acuoso para cada serie, y una media, una desviación estándar y una lista de series aceptadas para cada compuesto.
- El análisis como código - un único script de Python que reconstruye toda la respuesta a partir de los archivos brutos. Vuelve a ejecutarlo y obtendrás la misma respuesta, byte a byte.
- Un resumen escrito del método - cómo se calibraron las lecturas, cómo se ajustaron los espectros, cómo se extrapolaron las series y qué series se descartaron y por qué.
La configuración
- Eigent 1.0.7, en una sola sesión en modo Single Agent y con Gemini 4 Carbon como modelo.
- Una carpeta local que contenía solo los archivos brutos de un valorador automático, una lista de los compuestos con sus estructuras, constantes físicas de las mezclas metanol–agua y un entorno de Python con las bibliotecas científicas habituales y RDKit.
- Sin conexión y por su cuenta. El encargo excluía el uso de internet, y nadie respondió preguntas durante la ejecución. Cada decisión de criterio (en qué serie confiar, qué ajuste seguir) correspondió al propio agente.
- Solo señales brutas. Todos los números que había calculado el software del instrumento estaban borrados, así que nada en los archivos indicaba la respuesta.
- Sin pistas sobre el método. El encargo describía las medidas y lo que había que informar, no cómo analizarlas. Elegir la fisicoquímica formaba parte del trabajo.
Cómo trabajó Gemini 4 Carbon
Gemini 4 Carbon resolvió la tarea en el terminal, como agente único y sin intervención humana. La ejecución se dividió en cinco fases.
-
Orientación. Leyó la lista de compuestos y las constantes de calibración, analizó el XML del instrumento en todos los tipos de ensayo y publicó su primera actualización de estado: "now analyzing instrument recordings, medium composition, and electrode/UV equations."
-
Ingeniería inversa del instrumento. Averiguó cómo convierte el valorador los milivoltios del electrodo en pH, y cómo la calibración del electrodo de cuatro parámetros relaciona ese valor con la concentración real de iones hidrógeno. A partir de los volúmenes dispensados, dedujo el álgebra que hay detrás de una constante de composición,
a = 1 + b·(0.2 + 0.025/V), que coincide con el archivo hasta 3 × 10⁻⁵. Después revisó los ajustes del analista en los 97 archivos: ventanas de pH y de longitud de onda, límites de turbidez y número de transiciones. -
Construcción y prueba del análisis. Creó ajustes espectrales a múltiples longitudes de onda, los probó con un compuesto y luego los aplicó a las 291 valoraciones. Comprobó su corrección por dilución directamente con las mesetas de una sola especie y usó RDKit para clasificar cada compuesto como ácido, base o anfolito. También localizó todos los barridos en los que el analista había modificado manualmente un ajuste, y respetó esas decisiones.
-
Control de calidad, como un científico de laboratorio. Su segunda actualización de estado: "now examining edge cases, turbid sweeps, multiprotic zwitterions, and outlier runs." Lo que detectó:
- C21_4 - el compuesto había precipitado en agua. Los espectros de la serie coincidían con los de las demás series con una similitud de solo 0.20, así que la excluyó de la media del compuesto.
- C27_1 - un vial de baja absorbancia con el espectro equivocado, detectado al ajustar por separado dos bandas UV.
- C29_2 - una pendiente de extrapolación sin sentido físico (+200, frente a +98 y +114 en sus series hermanas), así que excluyó la serie.
- Absorbancia negativa a 500 nm - atribuida a una burbuja de aire en un espectro de referencia.
Repasó la cronología de experimentos del laboratorio y las repeticiones de enero–febrero de 2022 para entender por qué algunos compuestos tenían series adicionales. Y puso a prueba su propio método con evidencias independientes: comparó la extrapolación ponderada y la no ponderada en los 15 compuestos que también se midieron directamente en agua. La versión ponderada tuvo el menor error (0.0604 frente a 0.0623), así que se quedó con ella.
-
Entrega. Escribió un único script de análisis de 451 líneas, lo ejecutó y validó el esquema, los tipos y los rangos de la salida.
En total: 76 llamadas al modelo y 85 comandos de terminal, sin ninguna llamada fallida y sin intervención humana.
El resultado
En la carpeta aparecieron dos cosas: el conjunto de referencia (291 valoraciones, 97 series y 35 compuestos) y el script que lo generó. El mensaje final de Gemini 4 Carbon resumía el método (composición del medio y calibración del electrodo, ajuste UV a múltiples longitudes de onda, extrapolación acuosa y selección de series) y enumeraba cada serie que había excluido, con el motivo.
Cómo puntuó
Puntuamos la respuesta frente al conjunto de referencia, fuera de la carpeta del agente. La evaluación es estricta: cada valoración, cada serie y cada compuesto es una comprobación independiente de aprobado o suspenso, y una valoración aprueba solo si su pKa cae dentro de la incertidumbre estadística del ajuste de referencia y su contenido de metanol es correcto. Una serie aprueba solo si aprueban sus tres valoraciones, y un compuesto solo si aprueban todas las series que usa, así que un solo error puede propagarse en cascada.
| Nivel | Correctos |
|---|---|
| Valoraciones | 290 / 291 |
| Series | 91 / 97 |
| Compuestos | 32 / 35 |
Eso supone un 99.7 % de medidas individuales correctas, cada una dentro de la tolerancia estadística del ajuste de referencia.
También auditamos la propia ejecución, a través de las llamadas a herramientas en Dev mode. En Eigent 1.0.7, las sesiones Single Agent siempre incluyen herramientas de búsqueda web, navegador y descarga de páginas, así que esta comprobación importa: una ejecución que haya consultado algo no cuenta.
| Comprobación | Qué encontramos |
|---|---|
| No usó datos externos | Ninguna llamada de búsqueda web, navegador ni descarga de páginas. Ninguno de los 85 comandos de terminal accedió a la red, a un instalador de paquetes ni a ninguna ruta fuera de la carpeta de la tarea. |
| No modificó las entradas | Los datos de entrada son idénticos byte a byte a los archivos originales. |
| La respuesta es su propio análisis | Volver a ejecutar el script reproduce la respuesta byte a byte. |
En qué se quedó corto y por qué
Gemini 4 Carbon no superó todas las comprobaciones. Dos decisiones de método explican todos los fallos:
- Cómo ponderar la extrapolación. Ponderó la extrapolación en metanol–agua por la incertidumbre de medida, una decisión que difiere de la convención de la referencia. Eso costó 5 series y 3 compuestos. Gemini 4 Carbon tomó esa decisión basándose en evidencias (el ajuste ponderado tenía el menor error frente a los compuestos medidos en agua), y el encargo no especificaba ningún método.
- Qué escala de pH usar. Aplicó la ventana de pH registrada por el analista en una escala de pH distinta de la de la referencia. Eso costó 1 valoración y 1 serie.
Ninguna de las dos es una laguna del análisis en sí. Ambas son convenciones que un experto en la materia reconocería: el tipo de regla interna que un laboratorio suele dejar por escrito en sus instrucciones.
Además, se trata de una sola ejecución. En una tarea tan difícil, las puntuaciones pueden variar de una ejecución a otra.
Lo que aprendimos
- Los datos brutos mantienen honesto al agente. Con los números calculados por el software del fabricante borrados, cada valor tuvo que salir de las señales, y el agente tuvo que mostrar su trabajo.
- Describe la medida, no el método. Gemini 4 Carbon eligió la fisicoquímica por sí mismo y justificó cada decisión con evidencias de los datos.
- El código es el entregable. Un script que reconstruye la respuesta es algo que un científico puede volver a ejecutar, leer y revisar.
- Los fallos son convenciones, no errores. Donde se quedó corto, tomó una decisión defendible que las reglas internas de un laboratorio habrían resuelto.
Los archivos brutos de los instrumentos no tienen por qué esperar en una cola de análisis. Dáselos a Gemini 4 Carbon en Eigent y luego revisa el razonamiento, no solo el resultado.
Créditos: creado con Gemini 4 Carbon y Eigent. Música: "Dance With You" de Everet Almond.
