Transportadores de nutrientes en el eje placenta–cerebro fetal en un modelo de activación inmune materna
Reanalisis bioestadistico dirigido por un agente de IA (Claude Code)
Ayelen Mirón Granese Ondas Gravitacionales e Investigación Asistida por IA 28/09/2026
1 / 12
Contexto
Antecedentes
Trastornos del neurodesarrollo
1:1 (sin diferencia)4.5:1
Predominio en varones
Trastorno del espectro autista
4:1
Enfermedad de Parkinson
3.5:1
Trastorno por deficit de atencion e hiperactividad
3:1
Esclerosis lateral amiotrofica
1.6:1
Esquizofrenia
1.4:1
Predominio en mujeres
Esclerosis multiple
2–3:1
Enfermedad de Alzheimer
1.6–3:1
Depresion y trastornos de ansiedad
2:1
Razones de prevalencia compiladas de 10 estudios epidemiologicos (ver referencias.md).
La inflamacion materna durante la gestacion es un factor de riesgo para trastornos del neurodesarrollo, y esas patologias afectan de forma distinta a varones y mujeres.
2 / 12
Contexto
Modelo experimental
LPS 100 μg/kg i.p. en el dia 15 de gestacion (E15), coleccion a las 6 horas.
36 fetos: 18 camadas, un feto de cada sexo por camada; placenta y cerebro del mismo individuo.
Tres mediciones:
IL-6 en suero materno y liquido amniotico, por ELISA
10 genes por RT-qPCR (transportadores de nutrientes + via IL-6/STAT3)
pSTAT3 en placenta, por Western blot
4 grupos (sexo × tratamiento), n = 9.
3 / 12
Lo que produjo el agente
El punto de partida fue un prompt
Fragmentos reales de las decisiones fijas del repositorio (AGENTS.md), escritas antes de correr ningun analisis:
D1: Cuantificación relativa: ΔCt = Ct_gen − Ct_rsp29. Calibrador = HEMBRA CONTROL, por gen × tejido, promediando solo valores detectados. ΔΔCt = ΔCt_muestra − ΔCt_calibrador.
D2: Analizar sobre −ΔΔCt (log2: simétrica y aditiva). Graficar FC = 2^(−ΔΔCt) con eje Y log.
D5: Modelo: −ΔΔCt ~ SEXO * TTO, ajustado por gen × tejido. Cascada de supuestos sobre residuos (ver 4.1). Registrar en procedencia qué rama se usó y por qué.
No fue «analiza mis datos».
Sobre esas decisiones se pidio despues el analisis convencional (modelos por gen y tejido, con sus boxplots) y, encima, una exploracion de los datos que el analisis convencional no incluia: correlaciones entre tejidos, co-expresion entre genes, dispersion.
4 / 12
Lo que produjo el agente
Lo que salio de ahi
16 + 15
scripts (R + Python)
29
figuras
32 / 32
tablas CSV (R / Python)
82
filas en procedencia.csv
50 + 9 + 49
verificaciones: recalculo + existencia + declaracion (108 en total)
32 / 32
CSV byte-identicos, R ↔ Python
5 / 12
El analisis convencional
Placenta
Diapositiva generada con datos sinteticos. Los efectos son simulados y arbitrarios; las conclusiones biologicas corresponden a los datos reales, que no se incluyen en este repositorio.
6 / 12
El analisis convencional
Cerebro fetal
Diapositiva generada con datos sinteticos. Los efectos son simulados y arbitrarios; las conclusiones biologicas corresponden a los datos reales, que no se incluyen en este repositorio.
7 / 12
Lo que agrego explorar con el agente
Co-expresion entre genes
Diapositiva generada con datos sinteticos. Los efectos son simulados y arbitrarios; las conclusiones biologicas corresponden a los datos reales, que no se incluyen en este repositorio.
8 / 12
Lo que agrego explorar con el agente
La dispersion
Diapositiva generada con datos sinteticos. Los efectos son simulados y arbitrarios; las conclusiones biologicas corresponden a los datos reales, que no se incluyen en este repositorio.
9 / 12
Errores y como se detectaron
El agente toma decisiones y las documenta como propias
En el Acto 2, el agente agrupo los sexos en el test formal de correlacion placenta–cerebro y lo justifico en su propio archivo de descartes, mientras las figuras ya mostraban los datos separados por sexo. El informe mostraba una cosa y testeaba otra.
El caso que lo deja claro (sin exponer el numero real: es un resultado inedito): en fatcd36, un sexo mostraba una correlacion positiva fuerte y el otro una correlacion negativa; agrupados, ambas se promedian en un valor intermedio que no describe a ninguno de los dos sexos.
Como se detecto: leyendo el informe y notando el desacople entre la figura (separada por sexo) y el test (agrupado).
Detalle completo: outputs/tables/analisis_descartados.md, secciones 08_acto2_correlaciones y 09_acto2_dispersion.
10 / 12
Errores y como se detectaron
Las verificaciones no verificaban
Un agente externo, de otra empresa, audito un clon limpio del repositorio y encontro que buena parte de verificaciones.csv no podia fallar.
informe_pdf devolvia TRUE incluso cuando la generacion del PDF habia fallado.
pstat3_rama_cascada exigia una rama fija en vez de comprobar que la elegida correspondiera a sus propios diagnosticos.
«Todas las verificaciones pasaron» no distinguia entre lo que de verdad se recalculaba, lo que solo comprobaba que un archivo existiera, y lo que era una constante declarada.
Que se hizo: clasificar las verificaciones por tipo (recalculo / existencia / declaracion) y agregar el estado NO_EJECUTADA para lo que no llego a correr.
Detalle completo: revisiones/AUDITORIA.md y revisiones/RESPUESTA.md.
11 / 12
Cierre
Cierre
El agente hizo en dias lo que llevaria semanas, y ninguna de sus propias verificaciones detecto sus propios errores: aparecieron al leer el informe y al auditarlo con otro agente.
¿Que haria falta para confiar en un analisis hecho asi?
