John Jumper, el 'chico' de Google que podría ganar un Nobel: «Con AlphaFold2 sentimos que habíamos cambiado el mundo»

Pero el futuro apareció de repente en 2020, cuando el creador de DeepMind (la filial de inteligencia artificial de Alphabet, empresa matriz del todopoderoso Google), Demis Hassabis, y el equipo liderado por uno de sus investigadores, John Michael Jumper, presentaron al mundo Alphafold2, una herramienta que conseguía en cuestión de minutos y con una precisión nunca vista predecir la estructura de las proteínas. Cada vez más y más laboratorios usan este sistema basado en Inteligencia Artificial que ha cambiado por completo las reglas del juego para crear medicamentos y conocer las enfermedades. Es tan revolucionario que sus creadores ya resuenan como candidatos a ganar el Nobel. Todo aunque Hassabis no haya cumplido aún 47 años y Jumper no llegue siquiera a los 40.

De hecho, Jumper (EE. UU., 1985) se disputa con el neurocientífico Edward Boyden (EE. UU., 1979) ser el más joven de los científicos reconocidos con el Premio Fronteras del Conocimiento de la Fundación BBVA -granero, por cierto, de muchos Nobel-, y que este año ha destacado, en la categoría de Biología y Biomedicina, el trabajo de ambos investigadores de DeepMind junto con el del bioquímico David Baker, quien creó un sistema paralelo de predicción de proteínas que después se acabó fusionando en uno solo: RoseTTAfold, que no solo predice proteínas, sino que las crea de cero. Pero mejor no adelantar acontecimientos. Porque la historia comienza en Arkansas, en la ciudad de Little Rock, donde nació John Michael Jumper.

Aunque era hijo de ingenieros, desde pequeño le gustó entender cómo funcionaba el mundo. «Más que construir cosas, quería entender qué pasaba dentro, qué tipo de técnicas, de sistemas, de matemáticas había detrás», explica a ABC en la sede de la Fundación BBVA en Bilbao horas antes de recibir el premio. Se muestra afable y cercano a pesar de trabajar para el todopoderoso Google y de estar siempre acompañado por alguien de la compañía que se asegura de que el discurso siempre esté en línea con lo que dicta el gigante tecnológico. Sin embargo, él no siempre ha tomado el camino recto: tras licenciarse en Ciencias en la Universidad Vanderbilt, comenzó el doctorado en Física Teórica de la Materia Condensada en la Universidad de Cambridge, aunque sintió que no era lo suyo y lo dejó. «Seguía siendo hijo de dos ingenieros, por lo que quería hacer algo que involucrase todo ese conocimiento; pero que también tuviera un impacto en la sociedad y que ayudara a las personas», continúa. Y así apareció la Biología Computacional -que utiliza algoritmos y ordenadores para resolver problemas biológicos- en su vida.

Eso y la suerte, dice. Porque terminó el doctorado, pero tenía dos hijos pequeños y una familia a los que no quería condenar a mudarse cada dos años en busca de trabajo en el feroz mundo académico estadounidense. «Oí que DeepMind se estaba interesando por mi campo, especialmente en la predicción de proteínas», dice. DeepMind, la empresa que Hassabis había vendido a Alphabet (compañía matriz de Google), en ese momento era conocida por poseer la Inteligencia Artificial más 'lista' de todas las creadas: era capaz de ganar a expertos humanos en los juegos más complicados de la historia; pero Hassabis, que pese a la venta seguía liderando DeepMind, quería que dejara de ser un juego para tener aplicaciones más serias. «Pensé: 'esto es perfecto, es mi oportunidad'. Y me contrataron -cuenta Jumper-. Aunque he saltado de una cosa a otra en mi carrera y no ha sido especialmente planeada, he tenido suerte muchas veces».

No siempre ha sido tan afortunado. El original Alphafold, aunque predecía con mayor precisión que el resto de programas en el mercado (un 60% de fiabilidad), no era lo suficientemente bueno. «Hicimos un buen trabajo con él, pero no era algo que pudiéramos recomendar con garantías a los investigadores». Hassabis apareció por el laboratorio y les retó: «¿Vamos a dar con una solución o nos tenemos que poner con otro problema diferente?». Así que empezaron de cero. «Fue un momento aterrador -reconoce Jumper-. Aunque también muy divertido; el más divertido de mi carrera profesional, porque era todo un reto».

Dos años después, en 2020, presentaron Alphafold2 en la reunión Critical Assessment of Techniques for Protein Structure Prediction (CASP, por sus siglas en inglés, y traducido como evaluación crítica de las técnicas para la predicción estructural proteica), una competición donde se retan los diferentes sistemas diseñados para predecir la forma de las proteínas. Allí consiguieron un 90% de precisión, un porcentaje nunca antes visto y a años luz del rival más capaz. «Fue extraordinario, porque en ese momento sentimos que habíamos cambiado algo», recuerda.

En julio de 2021 el equipo publicó en la revista 'Nature' la predicción de 20.000 proteínas del cuerpo humano junto con el código del software abierto para que cualquiera lo pudiera usar. Desde entonces, el artículo ha sido citado por otras investigaciones -es decir, otros científicos lo han 'usado' en sus trabajos- cerca de 12.000 veces. Alphafold2 se está usando, por ejemplo, para un tratamiento contra el cáncer de hígado, para elaborar una vacuna contra la malaria o para desentrañar por qué se desarrolla el alzhéimer; el propio Hassabis ha fundado Ismorphic Labs, una startup biotecnológica de la que DeepMind no quiere hablar demasiado, pero cuyo objetivo es crear medicamentos a partir de esta herramienta basada en inteligencia artificial.

Tanto Jumper como su compañía no son ajenos a los recelos, incluso miedos, que pueden suscitar las palabras 'inteligencia artificial'. «Sin duda, las tecnologías basadas en inteligencia artificial que se están desarrollando son muy poderosas, y es algo en lo que DeepMind piensa mucho: tanto en los riesgos a corto como a largo plazo», asegura sin salirse del guion establecido. Repite que la empresa piensa mucho «sobre las consecuencias sociales» y que hablan con muchos expertos para «adoptar el enfoque más responsable y reflexivo posible». También sabe que Alphafold2 tiene sus límites: «Nuestro sistema lleva a cabo predicciones, no es biología experimental». Es decir, crean modelos de estructuras proteicas por ordenador que deben ser probadas después en laboratorio. La herramienta es muy buena, pero no infalible.

Aún así, Jumper apuesta por un futuro en el que Alphafold sea capaz de entender el funcionamiento de la célula al completo y que permita, finalmente, el conocimiento de la biología. «Creo que estas nuevas tecnologías cambiarán a las personas y salvará sus vidas», dice. El futuro puede estar más cerca de lo que pensamos.