Héctor Alonso Guzmán Gutiérrez

Los fenómenos biológicos tienen la capacidad de computar información, trabajan con materia y energía, son complejos y difíciles de predecir. Mientras más complejos, los seres vivos se pueden adaptar y reproducir de mejor manera;  resaltando “pueden” porque los seres humanos somos muy complejos pero tal vez tenemos creencias falsas de adaptabilidad.
 
Dentro de las células existen los mejores ejemplos de redes regulatorias, ya que se deben a una serie de procesos moleculares proteínicos. Las unidades de regulación se distinguen por sus roles únicos: genes, proteínas, formas de proteínas, complejos proteínicos, metabolitos. Estas unidades tienen asociados valores de concentración o nivel de activación.
 
Tratar de predecir los sistemas biológicos equivale al Halting-Problem y por lo tanto, no queda más que esperar a que terminen las simulaciones para tener sólo algunas pistas de lo que sucede y corroborar los resultados cuando ocurra en la vida real.
 
Para estudiar grandes redes de elementos biológicos es necesario simplificar los modelos y una solución son las  redes regulatorias computacionales. Esto ayuda a entender sólo los rasgos de interés en escala global. Las unidades booleanas son apropiadas, considerando que una interacción se activa (1) o se inhibe (0).  Tal vez sería más completo un sistema ternario, pero más difícil de computar en redes grandes.
 
Para explicar las redes regulatorias se necesita un modelo exactamente definido, como un autómata finito discreto, una red booleana (puede ser aleatoria), o una red en la notación de Von Neumann.
 
Eventualmente, el estado de las redes llega a un ciclo o a un estado único: las cuencas de atracción. En las cuencas se encuentra la dinámica y la propagación de errores del sistema. Sería muy didáctico localizar una cuenca de atracción paso a paso, ya que su explicación con ejemplos permite aterrizar ideas y su imagen resultado parece mágica.
 
Aún somos ignorantes en la aplicación de las redes regulatorias porque contamos con información de las interacciones, más no de la función. Sin embargo, las redes regulatorias ayudan a entender la evolución, con propiedades como robustez (por redundancia o degeneración), capacidad de evolucionar y modularidad.
 
El compromiso robustez-innovación, según el texto, es definido por la evolución con el propósito de evolucionar. Para mí, este es uno de los enigmas principales a resolver.
 
 Muy interesante, aunque requiere un amplio conocimiento para ser bien entendido. De nuevo, como en otros artículos, es un trabajo muy amplio y estos parecen ser los primeros pasos de un gran tema de investigación.