💻 bioinformática

Bioprocess Modeling Made Easy With Hybrax

Este artículo presenta Hybrax, un marco de trabajo de código abierto en Python que agiliza el modelado de bioprocesos al proporcionar un formato de datos estandarizado y un flujo de entrenamiento automatizado de extremo a extremo para modelos híbridos mecanicistas-redes neuronales, mejorando así la reproducibilidad y reduciendo el esfuerzo de codificación requerido para desarrollar y compartir estos modelos.

Autores originales: Libiseller-Egger, J., Gotsmy, M., Guillen-Gosalbez, G., Zanghellini, J.

Publicado 2026-11-06

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Libiseller-Egger, J., Gotsmy, M., Guillen-Gosalbez, G., Zanghellini, J.

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

En las fábricas que producen medicamentos vitales, el trabajo más crítico ocurre a menudo dentro de recipientes de vidrio invisibles donde diminutas células son inducidas a producir proteínas complejas. Estos bioprocesos son delicados, costosos y difíciles de controlar porque los organismos vivos en su interior cambian constantemente su comportamiento en respuesta a su entorno. Los científicos han intentado durante mucho tiempo construir modelos computacionales para predecir cómo actuarán estas células, con la esperanza de optimizar la producción sin realizar experimentos interminables y costosos. El enfoque más exitoso hasta ahora ha sido un método híbrido: combinar las leyes conocidas de la física y la química con programas informáticos flexibles que aprenden patrones directamente de los datos. Sin embargo, la construcción de estos modelos ha sido tradicionalmente un trabajo laborioso y personalizado para cada proyecto, que requiere que los investigadores escriban enormes cantidades de código solo para gestionar los detalles complicados de alimentar a las células, extraer muestras y rastrear cambios de volumen. Este trabajo repetitivo ha dificultado el compartir modelos o comparar diferentes enfoques, ralentizando el progreso en el campo.

Para resolver este cuello de botella, un equipo de investigadores ha desarrollado un nuevo marco de software de código abierto llamado Hybrax. Piense en esta herramienta como un chasis estandarizado para construir modelos de bioprocesos, de forma muy similar a como un chasis de automóvil permite a los ingenieros cambiar de motor sin tener que reconstruir el vehículo completo. Antes de Hybrax, los científicos tenían que escribir manualmente el código que explica cómo la adición de líquido o la extracción de una muestra cambia la concentración de las sustancias en el reactor. Hybrax automatiza todo este proceso. Toma los datos brutos del laboratorio —mediciones de lo que se añadió, lo que se extrajo y lo que las células produjeron— y calcula automáticamente los ajustes físicos necesarios. Esto permite a los investigadores saltarse la tediosa parte de la "fontanería" del código y centrarse enteramente en la pregunta biológica: ¿cómo se comportan realmente las células?

El marco está diseñado para ser lo suficientemente flexible como para manejar diferentes tipos de modelos, desde aquellos basados estrictamente en ecuaciones químicas conocidas hasta aquellos que utilizan inteligencia artificial para adivinar las partes desconocidas del proceso. Los investigadores demostaron su potencia recreando dos modelos existentes de la literatura científica. El primero involucraba una bacteria muy conocida, E. coli, utilizada para producir un compuesto específico. Al introducir los datos del mundo real de un estudio previo en Hybrax, el equipo construyó un modelo que coincidía con los resultados originales, logrando un alto nivel de precisión en la predicción de la biomasa y los niveles de producto. La segunda prueba utilizó datos sintéticos de una línea celular de mamífero, HEK293, que se utiliza comúnmente para fabricar anticuerpos. Este proceso es más complejo, ya que involucra docenas de nutrientes y productos de desecho diferentes. El equipo construyó un modelo utilizando un tipo de inteligencia artificial conocida como red de memoria a corto plazo de largo plazo (LSTM), que es buena recordando patrones a lo largo del tiempo. Este modelo funcionó tan bien como la versión original escrita en un lenguaje de programación diferente, prediciendo con exactitud los niveles de biomasa, anticuerpos y glucosa a lo largo del tiempo.

Una de las características más significativas de Hybrax es cómo gestiona el intercambio del trabajo científico. En muchos campos, es difícil reproducir un estudio porque los datos originales están enterrados en hojas de cálculo personalizadas y el código está disperso en diferentes archivos. Hybrax lo empaqueta todo junto. Cada vez que se entrena un modelo, el software guarda un punto de control completo que contiene la configuración del modelo, el código utilizado para definirlo, la configuración y los datos procesados. Esto significa que cualquier otro investigador puede tomar ese único archivo, ejecutar el modelo inmediatamente o reentrenarlo desde cero sin necesidad de buscar el conjunto de datos original o descifrar las notas del autor original. Los investigadores descubrieron que este enfoque no solo hizo que su propio trabajo fuera más rápido, sino que también permitió intercambiar diferentes arquitecturas de modelos sobre el mismo conjunto de datos con facilidad, permitiendo comparaciones directas y justas de qué métodos funcionan mejor.

El equipo también demostró que el software puede manejar el complicado problema de mantener las predicciones físicamente realistas. En sus pruebas con células de mamífero, los modelos iniciales a veces predecían cantidades negativas de una sustancia, lo cual es imposible en el mundo real. Al añadir una regla sencilla al software que penaliza estas predicciones imposibles, pudieron entrenar una segunda versión del modelo que funcionaba igual de bien pero mantenía todas sus predicciones en valores positivos. Esta flexibilidad sugiere que la herramienta puede adaptarse para imponer las leyes físicas del proceso específico que se estudia sin requerir una reescritura completa del código subyacente.

En última instancia, Hybrax representa un cambio hacia la democratización de la modelización de bioprocesos, haciéndola más accesible y reproducible. Al quitar las tareas rutinarias y repetitivas de la preparación de datos y la configuración de ecuaciones de los hombros de los investigadores, el software les libera para que se centren en la ciencia real de cómo funcionan las células. Los autores señalan que, aunque la herramienta es actualmente de código abierto y está disponible para cualquier persona, todavía está evolucionando. Las versiones futuras buscarán mejorar la velocidad de entrenamiento y añadir mejores herramientas para comprender por qué un modelo realiza ciertas predicciones. Por ahora, el marco se presenta como una solución práctica a un problema de larga data, ofreciendo una forma de construir, compartir y comparar modelos biológicos complejos con un nivel de claridad y consistencia que antes era inalcanzable.

Resumen Técnico: Hybrax – Un Marco de Trabajo para el Modelado Híbrido de Bioprocesos

Planteamiento del Problema
El modelado de bioprocesos depende cada vez más de los Modelos Híbridos (HM)—sistemas de Ecuaciones Diferenciales Ordinarias (ODE) donde los parámetros son estimados por Redes Neuronales Artificiales (ANN)—para cerrar la breces entre la interpretabilidad mecanística y la flexibilidad basada en datos. Sin embargo, la implementación práctica de los HM sigue siendo un cuello de botella significativo. Los investigadores se enfrentan actualmente a tres desafíos principales:

Esfuerzo de Codificación Repetitivo: Configurar un HM requiere un extenso código personalizado para la importación de datos, el preprocesamiento, el manejo de eventos discontinuos (por ejemplo, alimentaciones en bolo, muestreo) y la derivación de términos de transporte (balances de masa) para cambios de volumen. Este código "boilerplate" suele escribirse desde cero para cada proyecto.
Falta de Estandarización: No existe un formato ampliamente adoptado para los datos de bioprocesos. Los conjuntos de datos se publican típicamente en hojas de cálculo personalizadas o no se publican, lo que dificulta la reproducibilidad, la reutilización y la comparación de modelos en la literatura.
Fragmentación de Herramientas: Las herramientas de código abierto existentes carecen de maquinaria de entrenamiento de ANN eficiente (por ejemplo, pyFOOMB) o se centran en la biología de sistemas general sin características específicas de bioprocesos como la alimentación y el muestreo (por ejemplo, PEtab SciML, SiNDAE). Aunque algunas herramientas como HYBpy cubren aplicaciones de bioprocesos, a menudo sacrifican la flexibilidad en favor de la facilidad de uso, soportando solo un subconjunto de arquitecturas de modelos y careciendo de funciones de pérdida personalizadas. Las herramientas comerciales existen, pero son propietarias y de código cerrado.

Metodología
Los autores presentan Hybrax, un marco de trabajo de código abierto en Python diseñado para servir como un "chasis" para el modelado híbrido de bioprocesos. Hybrax integra una representación de datos flexible con un flujo de trabajo de entrenamiento de extremo a extremo personalizable.

Arquitectura Central: Hybrax está construido sobre JAX, Equinox y Diffrax, utilizando resolvedores de ODE diferenciables para permitir el entrenamiento directo sobre datos de concentración sin estimación intermedia de tasas.
Representación de Datos (hybrax.format): El marco introduce una estructura de datos novedosa, inspirada en la ontología (BioProcessCollection y objetos BioProcess). Esta estructura codifica explícitamente:
- Configuración del proceso (entradas, salidas, composición del medio).
- Variables medidas y controladas (por ejemplo, biomasa, pH, temperatura).
- Eventos discretos (por ejemplo, muestreo, alimentaciones en bolo).
- Derivación Automática de Transporte: Basándose en la configuración del proceso, Hybrax construye automáticamente los términos de transporte ( $T$ ) de las ODEs ( $\frac{dy}{dt} = R(y, q) + T(y, u)$ ). Esto elimina la necesidad de que los investigadores deriven manualmente los términos de balance de masa para los cambios de volumen.
- Dinámica de Reacción: Los usuarios definen el término de reacción ( $R$ ) mediante un ReactionOde, que puede incluir expresiones simbólicas para cantidades algebraicas (por ejemplo, biomasa activa frente a biomasa total) y marcadores de posición para las tasas ( $q$ ) a ser estimadas por la red neuronal ( $f_\theta$ ).
Flujo de Entrenamiento (hybrax.train): El marco proporciona una interfaz de línea de comandos modular con cuatro puntos de entrada:
- prepare: Maneja las transformaciones de datos (aumento, suavizado) y la validación sin modificar los datos originales.
- train: Ajusta los modelos a los datos utilizando módulos custom.py definidos por el usuario para la arquitectura de la red neuronal.
- loo: Realiza la validación cruzada (por defecto, leave-one-out) para entrenar ensambles.
- forward: Genera predicciones sobre nuevos datos.
Reproducibilidad: Los puntos de control (checkpoints) de entrenamiento son autónomos, agrupando los parámetros del modelo, los estados del optimizador, la configuración, el código personalizado y los datos preprocesados, lo que permite ejecuciones inmediatas o el reentrenamiento desde cero.

Contribuciones Clave

Marco Unificado: Hybrax es un marco de código abierto que combina un formato de datos de bioprocesos versátil con un flujo de trabajo de entrenamiento completo y flexible, específicamente para modelos mecanísticos e híbridos, abordando la falta de herramientas que equilibren la automatización rutinaria con la flexibilidad de diseño.
Automatización de Términos de Transporte: Al derivar los términos de dilución y alimentación automáticamente de la configuración del proceso, Hybrax reduce significativamente la carga de codificación y la posibilidad de errores humanos en la formulación del balance de masa.
Diseño de Modelo Desacoplado: La separación de la dinámica del proceso (transporte y estructura de reacción) de la función de estimación de tasas ( $f_\theta$ ) permite a los investigadores intercambiar arquitecturas de modelos (por ejemplo, de expresiones cinéticas a ANNs) sin reescribir todo el flujo de trabajo.
Reproducibilidad Mejorada: El marco facilita el intercambio de artefactos de entrenamiento completos, abordando el problema de las "hojas de cálculo personalizadas" y permitiendo la comparación directa de diferentes arquitecturas de modelos sobre conjuntos de datos idénticos.

Resultados
Los autores validaron Hybrax reimplementando dos modelos distintos de la literatura:

Modelo Mecanístico (E. coli): Se ajustó un modelo mecanístico podado (OptFed) directamente a los datos de concentración crudos. Hybrax logró una concordancia comparable o mejor con las mediciones que el estudio original ( $R^2$ de 0.86 para biomasa y 0.85 para producto frente a 0.83 y 0.82 en el original).
Modelo Híbrido (E. coli): Se entrenó un HM simple basado en ANN (2 capas densas) sobre el mismo conjunto de datos. A pesar de su pequeño tamaño (59 parámetros), logró pérdidas de reconstrucción similares al modelo cinético completo ( $R^2$ de 0.90 y 0.85).
Modelo Híbrido LSTM (HEK293): Se implementó un HM basado en LSTM para un proceso de cultivo de células de mamífero (inspirado en Ramos et al.). Utilizando el Análisis de Componentes Principales (PCA) para reducir la dimensionalidad de las tasas de reacción, la implementación de Hybrax logró valores de Error Cuadrático Medio Normalizado (NRMSE) en los datos de prueba (0.0348) comparables al modelo original de MATLAB (0.0376). Además, el marco demostró la facilidad de añadir términos de penalización a la función de pérdida para imponer restricciones de concentración no negativas, reduciendo los artefactos de predicción negativa en un orden de magnitud.

Significancia y Reivindicaciones
El artículo posiciona a Hybrax como un paso necesario hacia la estandarización del modelado de bioprocesos, un área que se está quedando atrás en el impulso de código abierto respecto a la genómica y la proteómica. Los autores afirman que, al encargarse de las tareas funcionales rutinarias (términos de transporte de ODE, escalado, bucles de entrenamiento), Hybrax permite que los investigadores se concentren en el desafío científico central: desarrollar el modelo específico del proceso.

El marco se presenta no como una solución a todos los desafíos de modelado, sino como una base robusta para el prototipado rápido y la comparación de modelos. Los autores enfatizan que Hybrax permite realizar evaluaciones exhaustivas (benchmarks)—comparando porciones significativas de arquitecturas de modelos publicadas sobre diversos conjuntos de datos disponibles públicamente— que anteriormente eran "extremadamente difíciles de llevar a cabo" debido a la falta de flujos de trabajo y formatos de datos estandarizados. El objetivo del trabajo es reducir el esfuerzo duplicado y acelerar el progreso en el campo al hacer que el intercambio de modelos y la reproducibilidad sean fluidos.

Más como este