Una descripción basada en ontologías de las mediciones de tomografía computarizada nano en cuadernos de laboratorio electrónicos

Por qué importa registrar los experimentos

Los experimentos modernos en grandes instalaciones de rayos X pueden capturar la estructura interna de los materiales con un detalle asombroso, hasta escalas de milmillonésimas de metro. Pero estas mediciones solo siguen siendo útiles si los científicos pueden recordar con precisión cómo se realizaron: qué ajustes se usaron, qué muestra se probó y en qué condiciones. Este artículo describe una nueva forma de capturar esa información contextual —los metadatos— para que los complejos experimentos de rayos X a escala nano no solo se registren, sino que puedan encontrarse, comprenderse y reutilizarse de forma fiable años después, tanto por personas como por máquinas.

Grandes máquinas de rayos X y datos aún mayores

La tomografía computarizada nano basada en radiación sincrotrón (SRnCT) es un tipo de imagen tridimensional por rayos X que revela la fina estructura interna de materiales y muestras biológicas. Estas mediciones generan enormes volúmenes de imágenes en crudo, pero igual de importante es la historia que las rodea: cómo se configuró la línea de haz, qué detector se utilizó, la temperatura y el flujo de líquidos alrededor de la muestra y quién realizó el trabajo. En las líneas de haz de sincrotrón, esta configuración cambia cada pocos días a medida que llegan nuevos equipos visitantes con distintas necesidades. Sin una documentación cuidadosa y coherente, resulta casi imposible comparar experimentos, repetirlos o usar los datos en modelos informáticos y aprendizaje automático.

De formularios simples a registros inteligentes y estructurados

Los autores abordan este desafío empezando por algo que los científicos ya conocen: una lista estructurada de verificación sobre lo que debe anotarse. Trabajaron con el personal de la línea de haz para diseñar un detallado «árbol» de metadatos para los escaneos de nano-tomografía. Divide cada medición en bloques intuitivos, como información sobre el experimento en su conjunto, las personas implicadas, la muestra, las condiciones de medición, la disposición del instrumento y los datos resultantes. Esta estructura es similar a lo que podría guardarse en una hoja de cálculo cuidadosamente organizada o en un cuaderno en papel, pero es lo bastante precisa como para que un ordenador pueda interpretar cada campo de forma coherente.

Enseñar al cuaderno qué significan las palabras

Para ir más allá de los formularios sencillos, el equipo vinculó esta lista de verificación a una «ontología» formal: un diccionario compartido que le dice a un ordenador qué significa cada término y cómo se relacionan entre sí las distintas piezas de información. Partieron de vocabularios comunitarios existentes en ciencia de materiales para que su trabajo se conectara sin problemas con otras bases de datos. Usando el cuaderno electrónico semántico Herbie, convirtieron la ontología en formularios web que los científicos ven en su navegador. Herbie aplica automáticamente qué campos son obligatorios, cómo deben introducirse números y unidades y cómo se reutilizan entradas como ajustes de la línea de haz o entornos de muestra en varios escaneos. Tras bambalinas, cada clic y cada valor se almacena como un nodo en un grafo de conocimiento, una estructura de datos en forma de red ideal para información rica e interconectada.

Poner el sistema a prueba

Los investigadores evaluaron este enfoque durante un exigente experimento in situ en el que se visualizaron alambres de magnesio, destinados a usarse como implantes biodegradables, mientras se corroían lentamente en un fluido similar al suero corporal. A medida que avanzaba el experimento, los científicos usaron Herbie para registrar identificadores de tiempo de haz, detalles de las muestras, información precisa sobre temperatura, caudal y óptica de rayos X, y dónde se almacenaban los datos crudos y procesados. Dado que elementos comunes, como la disposición de la línea de haz, cambiaron poco entre escaneos, solo tuvieron que introducirse una vez y luego reutilizarse, reduciendo el tiempo de documentación por escaneo a unos pocos minutos. El grafo de conocimiento resultante permitió al equipo formular preguntas concretas —por ejemplo, «¿cuál fue la energía, el caudal y la temperatura del sistema en cada escaneo?»— y obtener respuestas inmediatas usando herramientas de consulta estándar, sin buscar manualmente entre las notas.

Facilitar que los experimentos futuros se compartan y reutilicen

Al combinar una estructura de metadatos cuidadosamente diseñada, un diccionario científico compartido y un cuaderno de laboratorio electrónico inteligente, este trabajo muestra cómo la información sobre experimentos complejos de rayos X a escala nano puede hacerse realmente FAIR: localizable, accesible, interoperable y reutilizable. El enfoque garantiza que cada conjunto de datos esté vinculado sin ambigüedad a sus condiciones experimentales, personas e instrumentos, y que esta información pueda intercambiarse con otros cuadernos de laboratorio o catálogos de datos, o convertirse en archivos XML estándar si es necesario. En términos prácticos, esto significa que los futuros investigadores podrán repetir mejor los experimentos, comparar resultados entre líneas de haz e introducir datos bien descritos y de alta calidad en simulaciones y modelos de aprendizaje automático —transformando el tiempo de haz cuidadosamente registrado de hoy en los nuevos descubrimientos de mañana.

Cita: Kirchner, F., Wieland, D., Irvine, S. et al. An ontology-based description of nano computed tomography measurements in electronic laboratory notebooks. Sci Data 13, 432 (2026). https://doi.org/10.1038/s41597-026-07052-2

Palabras clave: cuadernos de laboratorio electrónicos, tomografía nano de rayos X, metadatos científicos, grafos de conocimiento, datos FAIR