Biohub, el instituto de investigación que financian Mark Zuckerberg y Priscilla Chan, ha convertido su apuesta de 500 millones de dólares por la "célula virtual" en un compromiso de 1.800 millones. Entran el Departamento de Energía de Estados Unidos (DOE), los Institutos Nacionales de Salud (NIH), Google DeepMind, Isomorphic Labs y Meta. Lo cuenta el propio Biohub en su anuncio oficial del 7 de octubre, y lo presenta como el mayor esfuerzo coordinado hasta la fecha para generar datos biológicos preparados para entrenar modelos de IA.
El objetivo es muy concreto. Construir el material con el que entrenar una IA capaz de predecir cómo responde una célula a un fármaco, a un cambio genético o a cualquier otra intervención, antes de pisar el laboratorio.
Puntos clave del acuerdo de 1.800 millones
- DOE: más de 500 millones de dólares en cinco años, dentro de su Genesis Mission, para medición en laboratorio, modelado y computación.
- NIH: coordina conjuntos de datos y repositorios que ya costaron más de 500 millones de inversión federal. Biohub los estandarizará para que sirvan de entrenamiento.
- Google DeepMind, Isomorphic Labs y Meta: 300 millones entre los tres para tecnología y datos multimodales.
- Biohub: mantiene los 500 millones fundacionales de abril de 2026. 400 van a tecnología de medida y 100 a investigación fuera de Biohub.
Si sumas las cuatro patas sale la cifra del titular. Ojo con un matiz: parte de la aportación de los NIH son datos ya existentes valorados por lo que costaron, no dinero nuevo.
¿Qué es una célula virtual?
Es un modelo de IA que simula el comportamiento de una célula. Le preguntas qué pasa si aplicas este compuesto a este tipo celular y te devuelve una predicción, en vez de esperar semanas a un experimento.
Alex Rives, responsable científico de Biohub, lo explica así: un modelo predictivo preciso permitiría a los científicos "hacer experimentos de forma digital". Rives lo llama uno de los retos más importantes de la próxima era de la ciencia.
El problema es la materia prima. Los modelos de lenguaje se entrenaron con internet entero. Para la biología no existe un internet equivalente. Según recoge The Rundown, Rives calcula que hará falta información de billones de células, cuando los mayores conjuntos de datos actuales tienen cientos de millones. La distancia es de varios órdenes de magnitud, y por eso el dinero va casi entero a medir, no a entrenar.
Qué se compra con el dinero
La parte de Biohub es la más tangible. Sus 400 millones de tecnología financian tres líneas:
1. Criotomografía electrónica, que permite ver detalle casi atómico dentro de la célula. 2. Microscopía a gran escala, capaz de fotografiar de millones a miles de millones de células en tejido vivo. 3. Herramientas de ingeniería para construir y perturbar la biología a nivel molecular, celular, de tejido y de organismo completo.
El DOE aporta lo que tiene y casi nadie más: supercomputación a exaescala, dispersión de rayos X y neutrones, criomicroscopía y laboratorios autónomos repartidos por su red de Laboratorios Nacionales. Darío Gil, subsecretario de Ciencia del DOE, cita expresamente el Joint Genome Institute y el Environmental Molecular Sciences Laboratory.
Los NIH van por otro lado. Ponen sobre la mesa los repositorios de la National Library of Medicine y el NCBI, más los atlas biológicos de su Common Fund. Nicole Kleinstreuer, subdirectora de los NIH, habla de modelos celulares "universales" que acorten los plazos de los avances médicos frente al laboratorio solo.
Quién más se sube
La lista de socios científicos es larga y conocida en el sector: Allen Institute, Broad Institute, Gladstone Institutes, Human Cell Atlas, Human Protein Atlas y Wellcome Sanger Institute. Biohub los compara con las colaboraciones internacionales que arrancaron con el Proyecto Genoma Humano.
NVIDIA pone computación acelerada, software y equipo técnico. Renaissance Philanthropy ayuda a captar más financiación para generar datos.
Y en el lado de la industria está el nombre que más pesa: Isomorphic Labs, la empresa de descubrimiento de fármacos que salió de DeepMind. Su presidente, Max Jaderberg, dice que generar los datos que pide la biología de sistemas "requiere escalar más allá de lo que cualquier organización puede producir hoy". Pushmeet Kohli, vicepresidente de IA para la ciencia en Google DeepMind, va en la misma línea y habla de un "procomún de datos abierto y estandarizado".
Por qué Biohub y no una farmacéutica
Biohub tiene historial en esto. En la última década ha liderado proyectos de datos abiertos como Tabula Sapiens, OpenCell y Zebrahub, y mantiene infraestructura que usa media comunidad científica, como CELLxGENE y el CryoET Data Portal.
Su papel aquí es de fontanero. Va a construir la capa que permite que los datos de todos estos socios funcionen juntos: estándares compartidos, identificadores comunes y un único punto de acceso. Es la parte menos vistosa y la que suele romper estos proyectos, porque cada laboratorio mide a su manera.
El resultado, según el anuncio, será un recurso abierto para la comunidad investigadora.
Por qué importa
Venimos de semanas en las que la conversación iba de IA resolviendo problemas de matemáticas. La biología es el siguiente frente, y aquí se juntan Gobierno, Big Tech y filantropía para poner datos en común.
Para una empresa española esto no cambia nada el lunes. Pero si trabajas cerca de farmacia, salud o seguros, apúntalo. Un modelo que predice la respuesta celular antes del ensayo recorta tiempo y dinero en la fase más cara del desarrollo de un fármaco. Y lo que se abarata en el laboratorio acaba llegando a precios, plazos de aprobación y pólizas.
La lección para cualquier empresa es la misma que repito en Barner: primero el dato, luego la IA. Aquí hay 1.800 millones de dólares para medir antes de entrenar nada. Si los que más saben de IA del mundo empiezan por ahí, tu proyecto de IA interno probablemente también debería.
Fuente original: biohub.org
Relacionado
