The CAHRA Challenge: A Community-Wide Assessment of Cryo-EM Heterogeneous Reconstruction Algorithms

Para ver el funcionamiento interno de la vida, los científicos suelen recurrir a una técnica llamada criomicroscopía electrónica. Imagine tomar una fotografía de una sola y diminuta máquina hecha de proteínas, pero la máquina está congelada en una fina capa de hielo tan rápido que no puede moverse ni romperse. Debido a que estas máquinas son tan pequeñas, una sola fotografía es solo una sombra borrosa y bidimensional. Para comprender la máquina, los investigadores deben tomar miles de estas imágenes borrosas desde diferentes ángulos y usar una computadora para unirlas en un modelo tridimensional claro. Este proceso ha revolucionado la biología, permitiéndonos ver la estructura atómica de virus, enzimas y otras moléculas esenciales. Sin embargo, las máquinas biológicas reales rara vez son estáticas; se balancean, se doblan y cambian de forma mientras trabajan. Cuando un conjunto de datos contiene una mezcla de estas diferentes formas, o incluso diferentes tipos de moléculas por completo, la computadora tiene dificultades para decidir qué imagen pertenece a qué versión de la máquina. Esto hace que sea increíblemente difícil reconstruir la verdadera historia en movimiento de la molécula.

En 2026, un equipo de investigadores de la Universidad de Princeton, el Instituto Flatiron y otras instituciones lanzó una prueba global para ver qué tan bien pueden los programas informáticos actuales resolver este problema específico. Lo llamaron el Desafío CAHRA, una evaluación comunitaria diseñada para medir la capacidad de diferentes algoritmos para desenredar estas mezclas complejas. Los organizadores no se limitaron a pedir a los científicos que adivinaran; construyeron tres casos de prueba distintos y altamente controlados donde las respuestas correctas eran conocidas solo por los creadores. Estas pruebas cubrieron las tres principales formas en que las moléculas se complican: cuando una muestra contiene una mezcla de diferentes especies, cuando una sola molécula cambia a través de un rango continuo de formas, y cuando el ángulo desde el cual se observa una molécula oculta su verdadera forma. Al comparar qué tan bien se desempeñaron varios equipos frente a estas verdades conocidas, el desafío proporcionó un mapa claro de dónde se encuentra el campo y dónde necesita mejorar.

La primera prueba se centró en una sala abarrotada de diferentes moléculas. Los investigadores tomaron cuatro complejos proteicos distintos —deshidrogenasa de alcohol, aldolasa, deshidrogenasa de glutamato y piruvato quinasa— que son similares en tamaño y forma. También añadieron otras dos proteínas, gamma-globulina y beta-amilasa, que actuaron como distracciones porque estaban dañadas o formaban láminas planas que no podían reconstruirse en modelos 3D. Todas ellas fueron mezcladas en un único conjunto de datos que contenía más de 1,6 millones de imágenes de partículas. El desafío para los participantes era observar este montón desordenado de imágenes y determinar qué imágenes pertenecían a cada uno de los cuatro objetivos principales, y luego construir un modelo 3D claro para cada uno sin que se les indicara cuáles eran los objetivos. Para hacer la tarea aún más difícil, los investigadores simularon daños por radiación dividiendo las imágenes en grupos de alta y baja calidad, obligando a los algoritmos a distinguir entre una molécula que está ligeramente rota y una que es simplemente un tipo diferente de molécula.

La segunda prueba se alejó de la mezcla de diferentes especies y se centró en una sola molécula que cambia su forma. Los investigadores utilizaron una simulación por computadora de una enzima humana llamada proteasa de presecuencia, que se abre y se cierra como una puerta. Capturaron la molécula en 100 etapas diferentes de este movimiento, creando una transición suave de un estado abierto a un estado cerrado. A partir de estas 100 instantáneas, generaron más de 1,7 millones de imágenes simuladas. El objetivo para los participantes no era solo ver que la molécula se movía, sino producir un conjunto de modelos atómicos —planos detallados de los átomos— que describieran con precisión todo este rango de movimiento. A diferencia de la primera prueba, donde el objetivo era separar grupos distintos, esta prueba requería que los algoritos comprendieran un flujo continuo de cambio y lo tradujeran en modelos estructurales precisos.

La tercera prueba abordó un problema complicado conocido como entrelazamiento de la pose. En experimentos reales, las moléculas suelen preferir aterrizar en la placa del microscopio en ciertas orientaciones, dejando otros ángulos vacíos. Si una molécula cambia de forma a lo largo del mismo eje que falta en los datos, la computadora podría confundir el ángulo faltante con un cambio de forma, o viceversa. Para probar esto, los investigadores simularon imágenes de un canal en forma de anillo llamado CALHM2, que tiene un estado abierto y uno cerrado. Se aseguraron de que las imágenes estuvieran fuertemente sesgadas hacia una vista lateral, lo que hace que sea muy difícil ver la diferencia entre los estados abierto y cerrado. El conjunto de datos contenía 30.000 partículas con una proporción conocida de estados abiertos frente a cerrados, pero no se informó a los participantes sobre la proporción o los ángulos correctos. Tuvieron que determinar si sus métodos podían contar con precisión cuántas moléculas estaban abiertas frente a cerradas, incluso cuando los ángulos de visión hacían que la diferencia fuera casi invisible.

Se espera que los resultados de este desafío, que duró siete meses con contribuciones de investigadores de todo el mundo, sean revisados en un taller en Oxfordshire a finales de 2026. Aunque el artículo aún no enumera a los ganadores, el diseño del desafío en sí ofrece un camino claro a seguir. Mueve al campo más allá de las simples comparaciones de resolución y obliga a los desarrolladores a enfrentarse a la realidad desordenada de los datos experimentales. Los organizadores esperan que, al proporcionar estos conjuntos de datos estandarizados y con una verdad de base, la comunidad pueda construir flujos de trabajo que sean más eficientes y requieran menos ajuste manual. Esto es crucial para el futuro del campo, a medida que los científicos avanzan hacia el estudio de muestras más complejas, como las moléculas dentro de células vivas o aquellas que cambian de forma en tiempo real. El Desafío CAHRA sirve como un referente riguroso, asegurando que las herramientas utilizadas para visualizar la maquinaria de la vida sean tan fiables como la ciencia que pretenden revelar.