Nuestra primera competición de Kaggle: 2.º lugar entre 250 equipos en armonización de datos científicos
Cerramos nuestra primera competición de Kaggle — y no pudo haber sido más exigente. En “Harmonizing the Data of your Data”, una competencia organizada por el NSF National Synthesis Center for Emergence in the Molecular and Cellular Sciences (NCEMS) de Penn State, terminamos en 2.º lugar entre 250 equipos (de más de 5.000 envíos): líderes del public leaderboard en el #1 y segundos en el private leaderboard final — los únicos latinoamericanos en el podio.
El reto
La pregunta era tan simple de enunciar como difícil de resolver: ¿puede una sola IA leer cualquier publicación de proteómica y extraer metadatos experimentales limpios y estructurados? Organismo, instrumento, modificaciones, condiciones de muestra, tratamientos y decenas de campos más — todo en formato SDRF.
Por qué importa
La reproducibilidad en proteómica depende de metadatos que, demasiadas veces, viven enterrados en el texto libre de los papers y en formatos inconsistentes. Estandarizar esa información a escala abre la puerta a mejor descubrimiento de datos, mejores meta-análisis y, al final, mejor ciencia. Como lo resumió Ian Sitarik (ICDS): “los datos son mucho más útiles cuando vienen con información contextual clara.”
Nuestro enfoque
No había atajos. Combinamos extracción con NLP desde los manuscritos, APIs públicas (PRIDE, ProteomeXchange), parsing de metadatos por archivo, consenso multi-LLM y validación cruzada rigurosa contra 103 SDRFs de entrenamiento ya armonizados. Varias herramientas trabajando juntas, no un solo modelo.
Lo más honesto
Era nuestra primera competición de Kaggle. Hubo noches largas y zambullidas en literatura de proteómica que nunca habíamos tocado. El resultado nos enorgullece, pero lo que más valoramos es lo que aprendimos en el camino — empujándonos fuera de nuestra zona de confort, que es justo donde se aprende de verdad.
Gracias
A NCEMS, a la National Science Foundation (NSF) y al equipo organizador —Wout Bittremieux, Shomir Wilson, Iddo Friedberg e Ian Sitarik— por una competencia tan bien diseñada y significativa. Y al Penn State Institute for Computational and Data Sciences (ICDS) y a los Penn State Huck Institutes of the Life Sciences por apoyar este trabajo.
Esto es apenas el comienzo.