Fuente primaria bioRxiv: ML4SD: Leveraging Machine Learning and High-Throughput Search Algorithms for an Iterative Growth-Coupled Design Innovation

Alvaro Garantilla Becerra y Juan Nogales (Systems Biotechnology Group, Centro Nacional de Biotecnologia, CSIC, Madrid) publicaron en bioRxiv el 16 de septiembre de 2026 un preprint que describe ML4SD, un bucle de machine learning para diseñar cepas por knockout de genes. Esta nota se limita al resumen.
El trabajo no ha pasado revisión por pares y todos los resultados son computacionales (in silico). El resumen no describe ningún experimento en biorreactor.
El problema que aborda
En la producción acoplada al crecimiento (growth-coupled, GC), la célula solo crece si fabrica el producto diana. Según el resumen, construir cepas por knockout que logren producción GC a partir de una lista de genes candidatos exige mucho trabajo y tiempo. Por eso se prueban pocos diseños in vivo, lo que dificulta los métodos habituales de machine learning que intentan aprender los patrones GC de un bioproceso concreto.
Qué construyeron los autores
ML4SD es un ciclo Design-Build-Test-Learn de aprendizaje activo. Entrena conjuntos (ensembles) de modelos con las puntuaciones que los modelos metabólicos a escala genómica (GEMs) asignan a los diseños de knockout. Después selecciona los siguientes diseños según el rendimiento y el error previstos del modelo.
El resumen afirma que el ciclo solo generaliza si la biblioteca inicial es grande y diversa, e incluye diseños subóptimos y no viables. Las bibliotecas restringidas a diseños mínimos o a knockouts óptimos de Pareto daban lugar a modelos con sobreajuste. Para construir estas bibliotecas los autores desarrollaron gcSwarms, un algoritmo de diseño de cepas, y lo probaron en un conjunto variado de bioprocesos.
El caso de estudio
ML4SD se probó in silico en la conversión de 4-hidroxibenzoato, derivado de la lignina, en 6-caprolactama, el monómero del nylon-6. El resumen describe mejoras en el rendimiento de carbono (la fracción del carbono del sustrato que acaba en el producto). Como el resumen no da una referencia de partida para esa mejora, esta nota no cita la cifra.
En cuanto a eficiencia, ML4SD alcanzó su resultado con 2,5 a 7,1 veces menos diseños que una búsqueda que usaba solo gcSwarms. Los autores lo presentan como eficiencia de datos. El código está enlazado en GitHub (extrevaro/ML4SD).


