LINNA es nuestra plataforma de Inteligencia Artificial/Automatización Inteligente con una capacidad de análisis infinitamente superior a la del cerebro humano, capaz de aplicar su lógica prescribiendo soluciones de valor apoyándose en un universo de datos ilimitado.

Más información sobre la capacidad de análisis de LINNA®

En los últimos años se han desarrollado nuevos métodos de aprendizaje que obligan a los algoritmos a fijarse en aspectos no evidentes. Por ejemplo, en los modelos de lenguaje o de imágenes, estrategias como ocultar parte de la imagen o de la oración fuerzan al modelo a seguir prediciendo aún con información pobre o parcial obligando a fijarse en aspectos más sutiles que, de otra manera, pasarían desapercibidos. Otro ejemplo es el que ocurre en el mundo de los videojuegos, donde se utiliza el aprendizaje por reforzamiento. En este tipo de aprendizaje, el algoritmo va explorando estrategias y, en función de si son exitosas o no, recibe una retroalimentación positiva o negativa. De esta manera, explorando el espacio de movimientos y jugadas de forma masiva, consigue encontrar estrategias que un humano jamás sería capaz de descubrir.

LINNA utiliza algunas de estas metodologías avanzadas de aprendizaje para entender el mundo natural. Por ejemplo, predice las complejas respuestas de las redes de interacción de proteínas, entendiendo los sistemas regulatorios y el impacto de pequeñas perturbaciones en estas redes ultrasensibles. Gracias a la cantidad masiva de datos, LINNA aprende a generalizar en base a las propiedades de los metabolitos o a la vecindad genómica en lugar de mediante aproximaciones más rígidas y descriptivas usadas por los científicos humanos. Es esta capacidad de generalización la que le permite explorar millones de candidatos y enfrentarlos a diferentes regiones del interactoma del organismo de estudio, encontrando interacciones y respuestas no evidentes y de difícil comprensión para el humano.

La naturaleza es un sistema encriptado, extremadamente complejo y repleto de millones de compuestos bioactivos desconocidos con capacidad de sustituir a la química de síntesis.

A partir de datos internos y externos de la industria, LINNA ilumina compuestos ocultos decodificando nuevos patrones de comportamiento y sinergias entre moléculas naturales a una velocidad sin precedentes.

Para nosotros, LINNA no es una plataforma de Inteligencia Artificial, sino un cerebro virtual que potencia, mediante automatización inteligente, nuestro conocimiento adquirido durante más de 15 años obsesionados con descifrar el poder ilimitado de la naturaleza.

LINNA es un sistema diseñado no tan solo para obtener alternativas naturales igual de eficaces que el químico de síntesis, sino también para introducir en la ecuación factores reales que preocupan a la industria tales como competitividad de la solución, toxicidad, sostenibilidad, escalabilidad, facilidad regulatoria, etc.

LINNA es nuestro cerebro virtual basado en Inteligencia Artificial. Para poder dar respuestas más allá de la lógica de un humano, pero con el acceso a un universo ilimitado de datos, LINNA está compuesta por 4 áreas interrelacionadas:

1. DataDiscovery

2. DataShine

3. LINNABrain

4. LINNALearn

1. DataDiscovery.
Accede a datos internos y externos.

  1. Analizamos entre 3 y 5 millones de compuestos naturales, fruto de un nodo propio de generación y amplificación de candidatos. Dentro de esta acción colaborativa con la ciencia esto nos hace ser más competitivos. ¿Quieres saber cómo lo hacemos?
  2. Más de 500 TB de información transcriptómica
  3. Más de 130 millones de imágenes tomadas con sensores RGB, PAM y cámaras hiperespectrales

Toda esta información generada, junto al resto de datos externos, nos permitirá encontrar nuevos compuestos y mecanismos de acción desconocidos hasta el momento a la vez que reducimos, hasta en un 95% la necesidad de realizar ensayos experimentales

Datos internos

Un universo de datos propietario que convierte nuestra plataforma en única

Utilizamos los datos que hemos generado internamente en nuestro ecosistema de búsqueda de valor, como son los perfiles moleculares, la relaciones causa-efecto molécula natural-mode de acción frente a un objetivo, o el know-how de relaciones y sinergias entre moléculas naturales para generar elevada eficacia que llevamos desarrollando durante 15 años.

Datos externos

Fuentes de datos externos que nos ayudan a dar valor y encontrar patrones de relevancia

Como por ejemplo datos de históricos de temperaturas y sus relaciones con las cosechas, datos de seguimiento de explotaciones por cultivo gracias a IoTs, bases de datos externas de metabarcoding y etagenómica o relaciones estructura actividad de moléculas químicas.

2. DataShine.

Hace brillar los datos mediante diferentes modelos de machine learning (como modelos de regresión, de reducción dimensional o clustering no supervisado para realizar tareas diversas como la exploración del espacio químico de un candidato o caracterizar la respuesta transcriptómica en respuesta a la aplicación de un candidato) combinados con modelos de deep learning (como redes redes neuronales de grafo y encoders-decoders para potenciar las tareas de predicción de actividad biológica). Todos estos modelos se encuentran integrados formando 3 módulos que convierten a LINNA en una herramienta potente y versátil sin precedentes

La explotación de este módulo nos ha permitido encontrar 30 candidatos con alto poder herbicida a los que no hubiéramos llegado usando solo la lógica humana

Módulos que componen LINNA

LINNA se compone de tres módulos (expresión, reducción dimensional y fenotipo) que integran diferentes modelos en un pipeline único cuyo objetivo es la predicción de un fenotipo a partir de un candidato complejo, pero también, la sugerencia de nuevos compuestos bioactivos necesarios para lograr un fenotipo o actividad biológica determinada:

1. Expresión

El módulo “expresión” de LINNA® permite predecir cambios de expresión en el organismo de interés partiendo de la información de un candidato obtenido a partir de técnicas de espectrometría de alta resolución. Toda esta información se cruza con las bases de datos integradas en LINNA® para identificar los compuestos conocidos a los cuales se les calcula su fingerprint. Este módulo, además, integra redes neuronales que permiten predecir estructuras y fingerprint de aquellos compuestos desconocidos.

Todos estos datos del candidato son usados para predecir el perfil de expresión que tanto el candidato en su conjunto como cada uno de los compuestos que lo integran generarían en el organismo de estudio.

2. Reducción dimensional

El perfil de expresión de un organismo en respuesta a un candidato, normalmente formado por cientos o incluso miles de compuestos, supone la obtención de varios miles de genes diferencialmente expresados. Si tomásemos cada uno de los genes como una entidad independiente, la predicción de un fenotipo sería prácticamente imposible. Dada esta complejidad, el segundo módulo presente en LINNA® usa el perfil de expresión predicho por el módulo 1 para hallar los principales procesos biológicos alterados y la importancia de los diferentes genes implicados en estos procesos. Este módulo permite reducir varios miles de genes diferencialmente expresados en unas pocas decenas de procesos biológicos alterados que incluyen todos esos genes y la manera de comportarse con su entorno biológico. De esta manera, se permite reducir la complejidad de computación del módulo 3 para la predicción de un fenotipo determinado.

Representación de la reducción dimensional obtenida por el módulo 2 de LINNA® tras la predicción de más de 5000 genes diferencialmente expresados. Se observan los diferentes procesos biológicos alterados, los genes que lo componen, su ontología génica y las interacciones que las proteínas codificadas por dichos genes realizan entre sí.

3. Fenotipo

El tercer módulo usa como input los procesos biológicos alterados por el candidato de estudio para predecir una gran cantidad de parámetros fenotípicos. Los modelos matemáticos integrados en este módulo son capaces no solo de predecir dichos parámetros, sino de asignar la importancia relativa que cada uno de ellos tendrá en el fenotipo final.


Asignación de importancia relativa para los parámetros fenotípicos predichos por el módulo 3 de LINNA®.

Todos estos parámetros, junto a su importancia relativa, permiten, en última instancia, agrupar al candidato de estudio (o cualquiera de sus compuestos bioactivos) según su actividad biológica o fenotipo esperado, pero, también, según su mecanismo de acción dentro de cada actividad biológica. Esta agrupación se compara con los resultados de expresión del módulo anterior, permitiendo encontrar correlaciones complejas entre respuesta transcriptómica y fenotípica en un espacio dimensional reducido.


Agrupación, realizada por el módulo 3 de LINNA®, en actividades biológicas y mecanismos de acción de cinco candidatos ensayados partiendo de las predicciones de parámetros fenotípicos y su importancia relativa.

3. LINNABrain.

Nuestra lógica se basa en la inteligencia de negocio, las estrategias comerciales, las necesidades reales específica de la industria, la exigencia del mercado entre otros siguiendo razonamientos y lógicas únicas para aportar una solución 360 y que responda a una necesidad real de la industria

4. LINNALearn.

Aprende de las decisiones tomadas por LINNA Brain y optimiza sus resultados incrementando su capacidad de prescripción

Aunque LINNA surge con la vocación de resolver retos agrícolas: desarrollo de bioherbicidas, bioestimulantes, probióticos, biofungicidas, bioinsecticidas y tratamiento de semillas, su enorme potencial la convierten en una plataforma transversal con capacidad para solucionar retos que se planteen en la industria ganadera, piscícola, cosmética o farmaceútica.

¿Qué es la transversalidad?

La transversalidad es una de las características distintivas de LINNA®. No sólo es capaz de predecir la actividad de compuestos y sugerir nuevos compuestos para uso agrícola, sino que también es capaz de hacerlo para cualquier reto que le planteemos.

Para ello, nuestros candidatos se ensayan sobre una serie de organismos modelo cuidadosamente seleccionados con la intención de obtener información molecular de la respuesta de estos organismos ante el candidato ensayado.
Con esta información molecular y la aplicación de un modelo matemático desarrollado para este fin, LINNA® es capaz de predecir, con una precisión sorprendentemente elevada, los cambios moleculares que ocurrirían en otros organismos si ensayáramos estos candidatos sobre ellos.