¡Extremadamente! No le ponga un número, estará muy cerca del 100%.
Como regla general, ¡la mayoría de los experimentos fracasarán! Las repeticiones de experimentos tendrán dificultades para repetirse. Los nuevos miembros jóvenes en el laboratorio comprometen la esterilidad y un millón de otras razones.
¡La biología molecular es un punto intermedio entre la ciencia y el arte! Es arte porque la calidad del trabajo idéntico realizado diferirá enormemente dependiendo de la delicadeza del experimentador.
- ¿Por qué la IgA está presente como un dímero en la exosecreción mientras que en el suero es un monómero?
- ¿Es posible hacer electroforesis sin gel?
- ¿Está presente el ARN en humanos?
- ¿Qué es la comunicación molecular?
- Un ARNm maduro tiene 300 bases con un codón de parada único. ¿Cuál sería la longitud del polipéptido sintetizado a partir de este ARNm?
Su punto sobre reinventar la rueda es una preocupación genuina dada la noticia de que la mayoría de los estudios científicos no son reproducidos por otros científicos.
En mi opinión, la verdadera razón detrás de la ineficiencia de la biología molecular es la falta de estándares uniformes en el campo. Por ejemplo, lo que es un promotor fuerte, lo que es una buena expresión de proteínas, fue sesgado por el experimento debido a algunos errores sistemáticos, etc. Las respuestas a estas son difíciles y cambian de acuerdo con los caprichos o, más bien, las necesidades de los científicos. Aunque ha habido un aumento en los equipos modernos con pasos automatizados y mediciones estandarizadas como la citometría de flujo, muchos NGS pueden equivocarse en los pasos preparatorios. Otro gran problema es la contaminación. Los experimentos se realizan en “organismos vivos”, a diferencia de la bioquímica o la biología estructural. Estos organismos resisten, desafían y son competidos por contaminantes en nuestra configuración de manera sutil. Muchos experimentos salen mal por eso. Aunque la vida no es tan sombría en el laboratorio y se han identificado muchos métodos optimizados para abordar estos problemas.
Llegar a su punto sobre el vertido de datos grandes es un fenómeno común y surge principalmente debido a la ignorancia de los biólogos sobre los métodos cuantitativos. La mayoría de los experimentos tradicionales (geles, curvas de crecimiento, cfus) generan una cantidad muy escasa de datos cuantitativos, mientras que los experimentos modernos como la citometría de flujo y la secuenciación de ADN producen datos enormes. Dado que manejan una cantidad extrema de datos a ambos lados del espectro, muchos desarrollan nociones erróneas sobre cómo los datos deben analizarse y comunicarse. Además, las pequeñas variables pueden alterar los puntos de datos de manera significativa y la mayoría de los lectores no saben cuáles fueron las condiciones “exactas” en las que se recopilaron estos datos, miran los resultados con recelo y con frecuencia intentan duplicar y optimizar nuevamente para su satisfacción. Esto suena razonable en teoría, pero es extremadamente tedioso en la práctica y ocupa una gran parte de los recursos.
Gran parte de este problema se puede resolver con la automatización de más y más pasos en el laboratorio combinados con el desarrollo de protocolos más estándar, como los que existen en CS y electrónica. Es un desafío difícil, pero probablemente sea la mejor manera de resolver la “ineficiencia” que frena el progreso en biología molecular.