💻 bioinformática

A Benchmark of Unsupervised Circadian Phase Inference Methods for Bulk Transcriptomic Data

Este estudio evalúa sistemáticamente diez métodos de inferencia de la fase circadiana no supervisados a través de 25 conjuntos de datos, identificando a CHIRAL como el mejor desempeño con el error medio más bajo, al tiempo que demuestra que la precisión de los métodos varía según las características del conjunto de datos y que los mejores métodos recuperan eficazmente los patrones de genes rítmicos incluso cuando los tiempos de recolección de muestras son desconocidos.

Autores originales: Purohit, S., Grant, G. R., Brooks, T. G.

Publicado 2026-10-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Purohit, S., Grant, G. R., Brooks, T. G.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Dentro de casi todas las células del cuerpo humano, un reloj interno y silencioso marca el paso, orquestando un ciclo diario de actividad que se repite aproximadamente cada veinticuatro horas. Este ritmo, conocido como ciclo circadiano, dicta cuándo los genes se activan y desactivan, influyendo en todo, desde el metabolismo hasta el momento de los tratamientos farmacológicos. Para comprender cómo funciona este reloj en diferentes tejidos o cómo podría fallar en una enfermedad, los científicos necesitan saber exactamente a qué hora del día se tomó una muestra de tejido. Sin embargo, en muchos registros médicos y bases de datos públicas, esta pieza crucial de información falta. Los investigadores han desarrollado programas informáticos para adivinar la hora del día basándose únicamente en el patrón de genes presentes en una muestra, pero hasta ahora, nadie había probado sistemáticamente cuál de estas herramientas de adivinación funciona mejor.

Un equipo de investigadores de la Universidad de Pensilvania se propuso resolver este problema sometiendo a diez programas informáticos diferentes a una prueba rigurosa. Reunieron veinticinco conjuntos de datos distintos, que incluían muestras reales de tejido de humanos y ratones donde el tiempo de recolección ya era conocido, así como simulaciones computacionales cuidadosamente construidas. El objetivo era ver con qué precisión cada programa podía observar una lista de genes e identificar correctamente la hora del día en que se tomó la muestra. Los investigadores midieron el éxito calculando la diferencia promedio en horas entre la suposición del programa y la hora real. También comprobaron si los programas podían reconstruir correctamente los ritmos diarios de genes individuales, una tarea esencial para comprender cómo funciona el reloj del cuerpo.

Los resultados revelaron una jerarquía clara entre las herramientas. Un programa, llamado CHIRAL, surgió como el más preciso, adivinando la hora con un error promedio de solo 1,80 horas. Esto significa que, si una muestra se tomó al mediodía, CHIRAL estimaría típicamente que la hora estaba entre las 10:15 AM y la 1:45 PM. Los siguientes mejores en rendimiento, incluyendo programas llamados TEMPO, CYCLOPS y CYCLOPS 2.0, tuvieron errores promedio que oscilaron entre aproximadamente 2,5 y 2,8 horas. Aunque estos seguían siendo útiles, eran menos precisos que CHIRAL. Un método de referencia simple, que dependía únicamente del comportamiento conocido de doce "genes del reloj" específicos sin utilizar algoritmos complejos, funcionó casi tan bien como los principales programas informáticos, con un error de unas 2,15 horas. Este hallazgo sugiere que un conocimiento profundo de estos genes centrales del reloj es, en sí mismo, una herramienta poderosa. Los seis programas restantes probados funcionaron significativamente peor, con errores que oscilaron entre casi cuatro y casi cinco horas, un nivel de inexactitud que apenas es mejor que el azar.

El estudio también descubrió que el éxito de estos programas depende en gran medida de la calidad de los datos que reciben. Los programas funcionaron mejor cuando los genes en el tejido mostraban ritmos diarios fuertes y claros. En conjuntos de datos donde estos ritmos eran débiles o ruidosos, como en ciertos tejidos cerebrales humanos, incluso los mejores programas tuvieron dificultades, con errores que aumentaron a casi tres horas. Los investigadores encontraron que la precisión de las principales herramientas se mantenía constante a través de diferentes tipos de tejido y especies, pero también descubrieron que algunos programas eran sensibles a cómo se preparaban los datos. Por ejemplo, corregir las diferencias técnicas entre lotes de muestras ayudó a algunos programas a mejorar sus suposiciones, mientras que, de hecho, hizo que otros fueran menos precisos. Además, los investigadores probaron la estabilidad de los resultados ejecutando los programas varias veces con diferentes puntos de partida aleatorios. Encontraron que, mientras algunas herramientas producían el mismo resultado cada vez, otras variaban significamente dependiendo de la semilla aleatoria utilizada, lo que significa que una sola ejecución de esas herramientas podría no ser fiable.

Para ver si estos hallazgos se mantenían en el mundo real, el equipo aplicó los programas a dos grandes conjuntos de datos de ratones donde los tiempos de recolección eran completamente desconocidos. Compararon las suposiciones de los programas contra referencias establecidas de cuándo suelen alcanzar su pico los genes en el tejido del hígado y la grasa. CHIRAL fue el único programa que coincidió consistentemente con los patrones conocidos para el tejido del hígado, mientras que ningún programa pudo coincidir de manera fiable con los patrones del tejido graso, lo que sugiere que el reloj en la grasa podría ser más difícil de leer o que los datos de referencia son insuficientes. El estudio concluye que, si bien ningún programa es perfecto, CHIRAL es actualmente la opción más fiable para estimar el tiempo a partir de muestras de tejido total. Sin embargo, los investigadores advierten que la precisión de cualquier estimación depende de la fuerza de los ritmos biológicos en el tejido específico que se estudia, y que para las aplicaciones más críticas, el uso de múltiples métodos o de las líneas de base simples de los genes del reloj puede proporcionar una verificación necesaria contra el error.

Resumen Técnico: Una evaluación comparativa de los métodos de inferencia de fase circadiana no supervisados para datos transcriptómicos masivos (bulk)

Planteamiento del problema
Los ritmos circadianos en la expresión génica son fundamentales para comprender la temporización biológica, el metabolismo de fármacos y los mecanismos de las enfermedades. Sin embargo, muchos conjuntos de datos transcriptómicos públicos carecen de tiempos de recolección de muestras, lo que impide el análisis directo de los patrones temporales. Aunque existen métodos no supervisados para inferir la fase circadiana a partir de matrices de expresión génica sin los tiempos de recolección, estos no han sido comparados sistemáticamente. Las evaluaciones previas fueron realizadas frecuentemente por los propios desarrolladores de los métodos utilizando sus propios conjuntos de datos con diferentes preprocesamientos y métricas, lo que genera un potencial sesgo. Además, no está claro con qué precisión estos métodos reconstruyen las fases de las muestras o los ritmos a nivel de gen (acrofase, amplitud y ritmicidad) en diversos contextos biológicos.

Metodología
Los autores realizaron una evaluación comparativa sistemática de diez métodos de inferencia de fase no supervisados y dos enfoques de referencia basados en genes del reloj.

Datos: La evaluación utilizó 25 conjuntos de datos con tiempos de referencia conocidos (16 conjuntos de datos reales de cinco estudios en tejidos humanos y de ratón, y 9 conjuntos de datos simulados) y dos conjuntos de datos de ratón (hígado y tejido adiposo de Diversity Outbred) sin tiempos de recolección. Los conjuntos de datos se agruparon en seis "familias" para tener en cuenta las dependencias entre estudios.
Métodos evaluados:
- Métodos no supervisados: CHIRAL, TEMPO, CYCLOPS, CYCLOPS 2.0, COFE, DCPR, PENN, PROTECT, Cyclum y reCAT. Estos emplean diversas estrategias que incluyen modelado probabilístico, redes neuronales/autoencoders, factorización de matrices y ordenamiento geométrico.
- Referencias (baselines): Dos referencias simples que asignan fases basadas en el análisis de componentes principales (PCA) de 12 genes canónicos del reloj o de solo dos genes (ARNTL y NR1D1).
Métricas de evaluación:
- Primaria: Error Absoluto Medio (MAE) circular alineado, que mide la distancia circular más corta entre la fase inferida y la de referencia tras optimizar la rotación y reflexión global.
- Secundarias: Correlación circular absoluta de Fisher–Lee, fracción de muestras dentro de 1 hora de la referencia, reconstrucción de la acrofase y la amplitud a nivel de gen, y detección de ritmicidad (ROC AUC).
- Verificaciones de robustez: Pruebas de permutación para establecer el nivel de rendimiento por azar, análisis de sensibilidad respecto a las semillas aleatorias, ajustes de lote/covariables (ComBat-seq, regresión) y variaciones de simulación (diseño de muestreo, tamaño de muestra, forma de la onda).
Reproducibilidad: Los autores intentaron replicar los resultados publicados para todos los métodos; lograron reproducir los resultados de ocho métodos, pero no pudieron reproducir PENN y PROTECT con el código liberado.

Resultos clave

Clasificación de rendimiento: CHIRAL logró el menor MAE medio alineado (1.80 h), superando a las dos referencias de genes del reloj (2.15 h y 2.20 h). TEMPO, CYCLOPS y CYCLOPS 2.0 le siguieron con errores medios de 2.49–2.80 h. Los seis métodos restantes (COFE, DCPR, PENN, PROTECT, Cyclum, reCAT) tuvieron errores medios de 3.91–4.86 h, los cuales fueron solo marginalmente mejores que el nivel de azar (5.08–5.23 h).
Significancia estadística: Aunque CHIRAL tuvo el error medio más bajo, los intervalos de confianza de los métodos con mejor desempeño se solapaban sustancialmente. Las comparaciones post-hoc confirmaron que CHIRAL era estadísticamente superior al grupo de menor rendimiento (COFE, PENN, PROTECT), pero no pudo diferenciarse estadísticamente de TEMPO, CYCLOPS o CYCLOPS 2.0.
Reconstrucción a nivel de gen: Los cuatro mejores métodos (CHIRAL, TEMPO, CYCLOPS, CYCLOPS 2.0) y las referencias lograron reconstruir las acrofases génicas con errores medianos de 0.18–0.64 h e identificaron genes rítmicos con ROC AUC medianos de 0.64–0.70.
Factores que influyen en la precisión:
- Fuerza del ritmo: La precisión estaba fuertemente correlacionada con la fuerza de los ritmos de los genes del reloj en el conjunto de datos (Spearman $\rho = -0.58$ ). Los conjuntos de datos con ritmos débiles (ej. estriado humano) produjeron errores más altos para todos los métodos.
- Ajuste de lote/covariable: El impacto del ajuste varió según el método. La corrección ComBat-seq mejoró significamente el rendimiento de CYCLOPS y CYCLOPS 2.0, pero degradó el de TEMPO. Notablemente, la regresión de covariables (como el intervalo post-mortem) que están correlacionadas con el tiempo eliminó las señales circadianas, aumentando los errores de CHIRAL y de las referencias por encima del nivel de azar.
- Sensibilidad de la simulación: En las simulaciones, CYCLOPS y COFE funcionaron excepcionalmente bien (error de 0.3–0.4 h), pero esto no se tradujo a datos reales, lo que sugiere que los modelos simulados pueden favorecer supuestos específicos de los métodos.
- Semillas aleatorias: Los resultados de DCPR, TEMPO, PENN, PROTECT y Cyclum mostraron una alta sensibilidad a las semillas aleatorias (DE 0.27–0.49 h), mientras que CHIRAL y CYCLOPS fueron altamente estables.
Conjuntos de datos sin tiempos de recolección: En los conjuntos de datos de ratón Diversity Outbred, CHIRAL fue el único método consistente con las acrofases de referencia externas para el tejido hepático. Sin embargo, ningún método concordó con las referencias de tejido adiposo, y la concordancia de fase entre tejidos fue baja incluso para el mejor método (correlación 0.47).

Significancia y afirmaciones
El artículo proporciona la primera comparación sistemática e independiente de los métodos de inferencia de fase no supervisados utilizando un protocolo unificado. Los autores afirman que:

CHIRAL es el método líder actual para datos de RNA-seq masivo (bulk), ofreciendo el menor error medio y un rendimiento consistente entre conjuntos de datos, aunque TEMPO, CYCLOPS y CYCLOPS 2.0 siguen siendo alternativas razonables.
El conocimiento previo de los genes del reloj es beneficioso pero no suficiente. Aunque las referencias utilizando genes del reloj funcionaron bien, fueron superadas por CHIRAL. Sin embargo, los métodos que dependen únicamente de prioris circadianas (como DCPR) no necesariamente superaron a los que no las tenían, lo que indica que la arquitectura del modelo y el manejo de los datos son igualmente críticos.
El contexto importa. La precisión de estos métodos depende fuertmente de la fuerza del ritmo del conjunto de datos y de los pasos de preprocesamiento específicos (ej. corrección de lote) aplicados.
Cautela en la interpretación. Los autores enfatizan que la clasificación refleja el rendimiento de estas herramientas bajo las configuraciones específicas probadas y puede no generalizarse a todos los tipos de datos (ej. datos de célula única o proteómica para los cuales algunos métodos fueron diseñados originalmente). También señalan que la incapacidad de reproducir PENN y PROTECT limita las conclusiones sobre esas herramientas específicas.

El estudio concluye que, si bien la inferencia de fase no supervisada es una herramienta viable para analizar datos transcriptómicos no anotados, los usuarios deben considerar cuidadosamente las características específicas de su conjunto de datos y la estabilidad del método elegido.

Más como este