Si hoy entras en cualquier laboratorio de biotecnología del mundo, es muy probable que el nombre de John Jumper aparezca en alguna conversación.
Nacido en Arkansas en 1985, este físico reconvertido en biólogo computacional ha logrado algo que la ciencia llevaba intentando, sin éxito, durante más de medio siglo: predecir con una precisión asombrosa cómo se pliegan las proteínas.
Su formación no fue la típica de un biólogo. Jumper empezó estudiando física teórica y matemáticas, lo que le dio una estructura mental perfecta para entender sistemas complejos.
Sin embargo, fue durante su doctorado en la Universidad de Chicago cuando se dio cuenta de que el aprendizaje automático (machine learning) podía ser la llave para abrir puertas que la física tradicional no lograba girar.
Esta visión le llevó a unirse a Google DeepMind, donde lideró el proyecto más ambicioso de su carrera: AlphaFold.
El salto cuántico de AlphaFold 2
Hasta la llegada de Jumper, descubrir la estructura tridimensional de una sola proteína podía llevar años de trabajo tedioso en un laboratorio.
Él y su equipo desarrollaron AlphaFold 2, un modelo de IA basado en arquitecturas de transformadores (similares a las que usan los modelos de lenguaje) que procesa las secuencias de aminoácidos como si fueran un lenguaje biológico.
El resultado fue histórico: la IA resolvió el «problema del plegamiento de proteínas», logrando una precisión atómica.
Como muchos protagonistas en el desarrollo de la IA, el impacto de Jumper no es solo técnico, sino profundamente humano.
Su trabajo ha permitido que hoy tengamos acceso a las estructuras de casi todas las proteínas conocidas por la ciencia (más de 200 millones), acelerando el desarrollo de fármacos y vacunas.
Un puente hacia la medicina del futuro
Su contribución fue tan disruptiva que le valió el Premio Nobel de Química en 2024, un hito que marca un antes y un después: la IA ya no es solo para «chatear», sino una herramienta científica de primer nivel.
A pesar de su éxito mundial, Jumper mantiene una cercanía notable. Suele recordar que cada predicción de su modelo es un homenaje al trabajo de miles de científicos experimentales que alimentaron las bases de datos originales.
Saber que mentes como la suya están usando la IA para entender mejor el cuerpo humano nos da una esperanza real en la medicina de precisión.