Un alud de información satura el banco europeo de datos biológicos

La mayor base de datos biológicos de Europa, emplazada en el Reino Unido y perteneciente al Laboratorio Europeo de Biología Molecular (EMBL), debería teóricamente almacenar tres exabytes de datos en el año 2020. Eso es el equivalente a 3.000 millones de lápices USB (los de un gigabyte que se llevan en bolsos y llaveros), llenos de información sobre genes de personas y animales, estructuras de proteínas esenciales para la vida o compuestos químicos de los principales fármacos.

«Esta cantidad la estimamos a partir de la velocidad con la que se están generando nuevos datos», afirma Iain Mattaj, director general del EMBL desde el 2005, afincado en la sede central de Heidelberg (Alemania). El volumen de información se ha duplicado anualmente en los últimos 15 años. «Actualmente, nuestro centro dispone de una capacidad de almacenamiento mil veces menor (50 petabytes). Es impensable que lleguemos a tiempo para alcanzar la capacidad prevista para dentro de cinco años», explica.

Este es, según su director, el principal reto al que se enfrenta el laboratorio que fue creado hace 40 años con la ambición de convertirse en el «CERN de los genes». Es decir, para convertir a Europa en líder mundial en biología, tal y como lo ha hecho para la física el CERN (el centro de Ginebra que hospeda el gran acelerador de partículas).

21 PAÍSES

El EMBL -hoy una organización intergubernamental financiada por 21 países- celebra su aniversario en el clima de austeridad que impera en el continente. Sin embargo, el laboratorio ha conseguido que su presupuesto de los últimos tres años se haya mantenido más o menos estable con 206 millones de euros en el 2014. También sigue entre los 10 mejores centros del mundo en biología molecular. En total, 1.800 empleados trabajan en sus cinco centros en Heidelberg y Hamburgo, Grenoble (Francia), Hinxton (Reino Unido) y Monterotondo (Italia).

Sin embargo, el EMBL se está quedando corto de memoria. En 1980 empezó a acumular datos biológicos en el repositorio EMBL-Bank, emplazado en Hinxton, pero en los últimos años el coste y el tiempo necesarios para obtener información sobre el ADN y otras moléculas biológicas han bajado en picado. Gracias a ello, los científicos han podido hacer cosas como estudiar los componentes genéticos de muchas enfermedades o encontrar el parentesco evolutivo entre miles de animales. «Los biólogos están produciendo cada vez más datos, pero el espacio para almacenarlos y la potencia computacional para procesarlos están creciendo más lentamente», afirma Mattaj.

REPARTIR

«La solución no puede ser seguir concentrando los datos en un único repositorio», admite el científico. «Nuestra idea es crear una infraestructura que sume las capacidades de los institutos de bioinformática nacionales», explica. Desde el 2007, los expertos del EMBL han discutido esta idea y en diciembre del 2013 se formó la organización Elixir.

«El proyecto se basa en una red de centros especializados. Por ejemplo, los países escandinavos podrían consagrarse a datos de recursos marinos, por sus intereses pesqueros; Portugal, en datos de árboles, por su industria del corcho...», dice Mattaj.

Sin embargo, puede ser que el tsunami de información biológica sea aún más grande de lo previsto. «Por ejemplo, en todos los países se están generando enormes cantidades de otra clase de datos: las imágenes biológicas», observa Mattaj, en referencia a las gráficas producidas, por ejemplo, por las resonancias magnéticas. Por ello, en febrero, siete países del EMBL (España no está entre ellos) acordaron participar en el proyecto Euro-bioimaging, una red de centros para obtener, almacenar y analizar de forma coherente estas imágenes.

«En los próximos años, los métodos informáticos se aplicarán a todos los aspectos de la biología. Es un reto, pero gracias a ello podremos entender la complejidad de los organismos, especialmente el humano», concluye Mattaj.