Los problemas del milenio para la biología
Una nueva lista curada de forma privada de “Problemas del Milenio para la Biología” propone grandes desafíos experimentales como la síntesis del origen de la vida, la criopreservación de cuerpos completos, la regeneración de extremidades y el diseño de proteínas a medida, en parte como benchmarks para la investigación impulsada por IA. Los comentaristas cuestionan el encuadre científico y el rigor de varios elementos—especialmente la amplificación de proteínas y la traducción inversa—y argumentan que la lista mezcla objetivos de ingeniería factibles con problemas conceptualmente confusos o ya resueltos, y carece del respaldo de biólogos destacados. El hilo también aborda cuestiones más profundas: la distancia entre los laboratorios de IA y los científicos de dominio, la tensión entre la comprensión fundamental y los avances comercializables, y si las preguntas abiertas más importantes de la biología son siquiera susceptibles de esta clase de formulación al estilo de premios.
Percepción general de los “Problemas del Milenio para la Biología”
- Muchos ven la lista como marketing/PR o “proyectos personales” más que como una agenda que defina el campo.
- Es frecuente la comparación con los Problemas del Milenio de Clay en matemáticas; los comentaristas señalan que esos fueron establecidos por expertos de primer nivel y tenían una dificultad clara y probada durante mucho tiempo.
- El nombre “Problemas del Milenio” se percibe como prestigio prestado; varios dicen que esto es “solo una lista”, no al nivel de la versión matemática.
- Algunos creen que los problemas son al menos transformadores si se resuelven y les gusta que sean verificables experimentalmente y aptos para benchmarks.
Papel de los laboratorios de IA frente a los científicos
- Escepticismo de que las empresas de IA o los equipos de LLM puedan resolver problemas biológicos profundos sin una integración estrecha con científicos del área.
- Preocupa que los laboratorios de IA persigan “victorias de trofeo” para narrativas de IPO en lugar de construir comprensión.
- El alto costo de cómputo se cita como una gran barrera para el uso académico; podrían aparecer más resultados si el cómputo se abarata o se dona.
- En matemáticas, se señala que las pruebas impulsadas por IA corren el riesgo de producir resultados sin las intuiciones comprensibles para humanos que valora la comunidad.
Críticas a desafíos específicos
- La amplificación de proteínas y la “reverse translatase” son muy criticadas por ser químicamente ingenuas o prácticamente imposibles sin complementariedad o intermediarios de ácidos nucleicos.
- La analogía de la “PCR de proteínas” se califica de “no siquiera falsa”, porque las proteínas no tienen hebras complementarias.
- La mejora de Rubisco se debate: una parte dice que la evolución ya ha alcanzado límites duros; otra dice que la AGI podría superar a la naturaleza o evitar Rubisco por completo.
- Algunos dicen que la criopreservación de ratones se había logrado parcialmente en la década de 1950, aunque se afirma que escalar más allá de pequeños animales es físicamente problemático.
Enfoque de ingeniería frente a biología fundamental
- Muchos señalan que la lista es casi enteramente de problemas estilo ingeniería de “construir X”.
- Algunos sostienen que eso es apropiado: la biología experimental trata en gran medida de “cómo construyó la naturaleza esto”, y las construcciones verificables son útiles.
- Otros responden que las grandes preguntas incluyen problemas no de ingeniería: por ejemplo, los patrones inmunes tumorales “hot vs cold”, la teoría quimiosmótica o los sustratos de la conciencia.
Problemas “grandes” ausentes o alternativos
- Los comentaristas proponen: reversión del envejecimiento, Alzheimer, morfogénesis (más allá de la regeneración de extremidades), plegamiento de proteínas (más allá del bombo), biocatálisis de moléculas pequeñas, mecanismos de enfermedades crónicas, mejores modelos de enfermedad y alineación de IA/humanos.
- Se considera ampliamente que el origen de la vida sigue sin resolverse; los experimentos clásicos (como Miller–Urey) produjeron bloques de construcción, no células autorreplicantes completas ni sistemas de codificación genética.