Reacción a "Nobel de Química para Baker, Hassabis y Jumper por el diseño computacional de proteínas y la predicción de su estructura"

Estos premios reconocen lo que se ha convertido en el avance más significativo de la Inteligencia Artificial. Los métodos implementados por Demis Hassabis y John M. Jumper para la predicción de la estructura de proteínas a partir de su secuencia —AlphaFold basado en DeepNN— se han convertido en un recurso imprescindible en biotecnología y biomedicina. Una diferencia fundamental respecto a otros desarrollos de IA, por ejemplo, el popular ChatGTP, es que estas predicciones de estructura vienen acompañadas de un índice de confianza en la calidad del resultado. No menos importante es la contribución de David Baker, que durante años ha sido el líder en el campo de la aplicación de la IA al diseño de nuevas proteínas, con resultados impresionantes en el diseño de proteínas con nuevas propiedades con aplicaciones en biotecnología. Su investigación ha abierto nuevos caminos a la exploración del espacio de proteínas con repercusiones prácticas y científicas. 

Es de destacar que David Baker ha liderado tanto el movimiento por la publicación de abierta del software como por el uso responsable de estas nuevas tecnologías. Desafortunadamente, el trabajo de Demis Hassabis y John M. Jumper representa una página menos brillante en este sentido puesto que, aunque sus primeros desarrollos (AlphaFold 1 y 2) fueron en código abierto, los siguientes (AlphaFold 3) no lo han sido, creando una gran controversia en la comunidad científica. Modestamente, estoy muy contento de ver que mis desarrollos de los primeros métodos para la obtención de constricciones a partir de alineamientos de secuencias (mutaciones correlacionas) en los 90’ son reconocidos por la comunidad como la pieza clave sobre la que se construyen estos nuevos métodos.