Recorrido por un flujo de trabajo CRISPR: diseño basado en evidencia en acción
“Basado en evidencia” no es una filosofía: es una decisión arquitectónica que transforma cada etapa de un flujo de trabajo CRISPR. Así se ve en la práctica con CRISPRos.
El problema de las canalizaciones CRISPR actuales
Un experimento CRISPR típico abarca el diseño del ARN guía, la predicción de efectos fuera de objetivo, la selección de la estrategia de clonación, el análisis de secuenciación y el informe de resultados. La mayoría de los equipos hilan entre 5 y 10 herramientas, copian resultados entre hojas de cálculo y redactan las conclusiones en un Google Doc.
El resultado: un artículo en el que el lector no tiene manera de verificar si la puntuación de efecto fuera de objetivo que se reporta proviene realmente de los datos de secuenciación o fue transcrita incorrectamente desde una captura de pantalla.
Cómo lo gestiona CRISPRos
CRISPRos trata un experimento CRISPR como una canalización de compilación. Cada etapa produce artefactos tipados que alimentan la siguiente. El LLM no genera nada: la IA asiste con código y configuración, pero cada salida es determinista.
Etapa 1: Diseño del ARN guía
Tú aportas un gen diana y un organismo. CRISPRos invoca el motor de diseño de guías, que envuelve algoritmos establecidos (Cas-OFFinder, FlashFry) para puntuar las guías candidatas.
La salida no es un párrafo de texto. Es un artefacto estructurado:
{
"target_gene": "TP53",
"organism": "Homo sapiens",
"guides": [
{
"sequence": "GACUCCAGUGGUAAUCUAC",
"position": "chr17:7577121",
"on_target_score": 0.87,
"off_target_sites": 3,
"source_algorithm": "FlashFry v2.0.1"
}
],
"provenance": {
"genome_build": "GRCh38",
"timestamp": "2026-03-10T14:32:00Z"
}
}Cada campo es trazable. El campo source_algorithm te indica exactamente qué versión produjo la puntuación. El campo genome_build te dice qué referencia se usó.
Etapa 2: Análisis de efectos fuera de objetivo
CRISPRos ejecuta la predicción de efectos fuera de objetivo contra la referencia del genoma y produce una lista puntuada de posibles sitios de corte. Cada sitio incluye:
- Coordenadas genómicas
- Número y posiciones de los desajustes
- Puntuación de accesibilidad de la cromatina (si se aportan datos de ATAC-seq)
- Anotación génica (¿está el efecto fuera de objetivo en una región codificante?)
Esto no es un resumen generado por un modelo de lenguaje. Es una computación determinista con una cadena de procedencia completa.
Etapa 3: Informe del experimento
El informe final se compila, no se escribe. CRISPRos ensambla figuras, tablas y leyendas a partir de los artefactos producidos en las etapas 1 y 2. La IA asiste en la redacción de las leyendas, pero cada número de la leyenda está vinculado a un artefacto de origen.
Si cambias los datos de entrada y recompilas, el informe se actualiza automáticamente. Si una leyenda de figura dice “se detectaron 3 sitios fuera de objetivo”, ese número proviene directamente del análisis de efectos fuera de objetivo: no puede desviarse de los datos subyacentes.
Por qué importa
La diferencia entre “asistido por IA” y “basado en evidencia” no es una cuestión de capacidad. Ambos enfoques pueden producir un informe de un experimento CRISPR. La diferencia está en lo que ocurre cuando algo sale mal:
- Asistido por IA: relees el texto generado y esperas detectar el error.
- Basado en evidencia: rastreas la afirmación hasta su artefacto de origen. Si el artefacto está mal, el error es visible. Si el artefacto es correcto, la afirmación también lo es.
En investigación CRISPR, donde los efectos fuera de objetivo tienen consecuencias reales para los pacientes, esta distinción importa.
Pruébalo
CRISPRos está en acceso anticipado. Estamos trabajando con grupos de investigación en enfermedades raras y oncología para validar el flujo de trabajo.
- Página del producto: CRISPRos
- Arquitectura: Cómo funciona Hordago
- Motores de código abierto: GitHub
CRISPRos es el sistema operativo de dominio de Hordago Labs para la edición génica CRISPR.