Albert-László Barabási

El trabajo de Barabási desafió la noción predominante de que las redes complejas podían modelarse adecuadamente como redes aleatorias. Es particularmente reconocido por su descubrimiento en 1999 de las redes libres de escala . En 1999 creó un mapa de la World Wide Web ^{[ 10 ]} y descubrió que su distribución de grados no sigue la distribución de Poisson esperada para redes aleatorias, sino que se aproxima mejor mediante una ley de potencias. En colaboración con su estudiante, Réka Albert , introdujo el modelo de Barabási-Albert ^{[ 11 ]} , que proponía que el crecimiento y la conexión preferencial son responsables conjuntamente de la aparición de la propiedad libre de escala en redes del mundo real. Al año siguiente, Barabási demostró que la distribución de grados de ley de potencias no se limita a la World Wide Web, sino que también aparece en redes metabólicas ^{[ 12 ]} y redes de interacción proteína-proteína ^{[ 13 ]} , demostrando la universalidad de la propiedad libre de escala. En 2009, Science celebró el décimo aniversario del innovador descubrimiento de Barabási dedicando un número especial a Complex Systems and Networks, ^{[ 14 ] [ 15 ]} reconociendo su artículo como uno de los más citados en la historia de la revista.

En un artículo de 2001 con Réka Albert y Hawoong Jeong , Barabási demostró que las redes exhiben robustez ante fallas aleatorias, pero son altamente vulnerables a ataques dirigidos, ^{[ 16 ]} una característica conocida como la propiedad del talón de Aquiles . Específicamente, las redes pueden soportar fácilmente la falla aleatoria de un gran número de nodos, lo que resalta su significativa robustez. Sin embargo, son propensas a colapsar rápidamente cuando los hubs más conectados se eliminan deliberadamente. El umbral de ruptura de una red se vinculó analíticamente ^{[ 17 ]} con el segundo momento de la distribución de grados , cuya convergencia a cero para redes grandes explica por qué las redes heterogéneas pueden sobrevivir a la falla de una gran fracción de sus nodos. En 2016, Barabási extendió estos conceptos a la resiliencia de la red, ^{[ 18 ]} demostrando que la estructura de la red determina la capacidad de resiliencia de un sistema. Mientras que la robustez se refiere a la capacidad del sistema para llevar a cabo sus funciones básicas a pesar de la pérdida de algunos nodos y enlaces, la resiliencia implica la capacidad del sistema para adaptarse a perturbaciones internas y externas modificando su modo de operación sin perder funcionalidad. Por lo tanto, la resiliencia es una propiedad dinámica que requiere un cambio fundamental en las actividades centrales del sistema.

Barabási es reconocido como uno de los fundadores de la medicina de redes , ^{[ 19 ]} un término que introdujo en su artículo de 2007 titulado "Medicina de redes: de la obesidad al "diseasoma"", publicado en The New England Journal of Medicine . ^{[ 20 ]} Su trabajo estableció el concepto de diseasoma, o red de enfermedades, ^{[ 21 ]} que ilustra cómo las enfermedades están interconectadas a través de factores genéticos compartidos, destacando sus raíces genéticas comunes. Posteriormente, fue pionero en el uso de grandes conjuntos de datos de pacientes, vinculando las raíces de la comorbilidad de enfermedades a redes moleculares. ^{[ 22 ]} Un concepto clave de la medicina de redes es el descubrimiento de Barabási de que los genes asociados con la misma enfermedad se encuentran en el mismo vecindario de la red, ^{[ 23 ]} lo que condujo al concepto de módulo de enfermedad, que actualmente se emplea para facilitar el descubrimiento de fármacos , el diseño de fármacos y el desarrollo de biomarcadores . Desarrolló estos conceptos en una charla TEDMED de 2012 , ^{[ 24 ]} enfatizando su importancia en la investigación médica y las estrategias de tratamiento.

Sus contribuciones han sido fundamentales para el establecimiento de la División Channing de Medicina de Redes en la Facultad de Medicina de Harvard y el Instituto de Medicina de Redes, que representa a 33 universidades e instituciones de todo el mundo comprometidas con el avance de este campo. El trabajo de Barabási en medicina de redes ha dado lugar a múltiples predicciones experimentalmente falsables, lo que ha ayudado a identificar nuevas vías validadas experimentalmente en el asma, ^{[ 25 ]} la predicción de un nuevo mecanismo de acción para compuestos como el ácido rosmarínico, ^{[ 26 ]} y la reutilización de fármacos existentes para nuevas funciones terapéuticas ( reutilización de fármacos ). ^{[ 27 ]}

Las aplicaciones prácticas de la medicina de redes han tenido un impacto significativo en entornos clínicos. Por ejemplo, su investigación ayuda a los médicos a determinar si los pacientes con artritis reumatoide responderán a la terapia anti-TNF. ^{[ 28 ] [ 29 ]} Durante la COVID-19, Barabási lideró una importante colaboración con investigadores de  la Universidad de Harvard , la Universidad de Boston y el Instituto Broad para predecir y probar experimentalmente la eficacia de 6000 fármacos aprobados para pacientes con COVID-19. ^{[ 30 ] [ 31 ]}

El trabajo de Barabási sobre la materia oscura nutricional y la composición de los alimentos, en colaboración con Giulia Menichetti, ha transformado fundamentalmente nuestra comprensión de la dieta como un sistema complejo y su implicación para la salud. En su estudio de 2019, ^{[ 32 ]} reveló que las bases de datos nutricionales convencionales rastrean solo una fracción minúscula de los más de 26.000 compuestos bioquímicos presentes en los alimentos, acuñando el término "materia oscura nutricional", trabajo que inspiró la Iniciativa de la Tabla Periódica de los Alimentos de la Fundación Rockefeller y la Asociación Americana del Corazón . En 2021, extendió los enfoques de medicina de redes para dilucidar las implicaciones para la salud ^{[ 33 ]} de los polifenoles , demostrando cómo las intrincadas redes moleculares conectan los compuestos dietéticos con los resultados de salud. ^{[ 34 ]} Su investigación sobre el procesamiento de alimentos condujo al desarrollo de la primera herramienta de IA para predecir el grado de procesamiento de cualquier alimento, ^{[ 35 ]} y mostró que más del 73% del suministro de alimentos de EE. UU. es ultraprocesado y correlacionó los niveles de procesamiento con marcadores adversos para la salud. Los esfuerzos de Barabási culminaron en el lanzamiento en 2025 de GroceryDB ^{[ 36 ]} y la base de datos TrueFood , que es utilizada por millones de personas a diario, ya que revela los niveles de procesamiento de los alimentos en los supermercados de EE. UU.

En 2005, Barabási descubrió la naturaleza de cola pesada de los tiempos entre eventos en los patrones de actividad humana. Este patrón indicaba que la actividad humana es intermitente: períodos cortos de actividad intensa son seguidos por períodos largos sin actividad detectable. Posteriormente, se han descubierto patrones intermitentes en una amplia gama de procesos, desde la navegación web hasta las comunicaciones por correo electrónico y los patrones de expresión genética. Propuso el modelo de Barabási ^{[ 37 ]} de dinámica humana para explicar el fenómeno, demostrando que un modelo de colas puede explicar la naturaleza intermitente de la actividad humana, tema que se aborda en su libro Bursts: The Hidden Pattern Behind Everything We Do ^{[ 38 ]} .

Barabási sentó las bases para comprender los patrones de movilidad humana individual a través de una serie de artículos influyentes. En su publicación de Nature de 2008, ^{[ 39 ]} Barabási utilizó datos anonimizados de teléfonos móviles para analizar la movilidad humana, descubriendo que el movimiento humano exhibe un alto grado de regularidad en el tiempo y el espacio, con individuos que muestran distancias de viaje consistentes y una tendencia a regresar a lugares visitados con frecuencia. En un artículo posterior de Science de 2010, ^{[ 40 ]} exploró la predictibilidad de la dinámica humana analizando las trayectorias de los usuarios de teléfonos móviles. Contrariamente a lo esperado, encontró una predictibilidad del 93% en los movimientos humanos en todos los usuarios. Introdujo dos principios que rigen las trayectorias humanas, lo que llevó al desarrollo del modelo ampliamente utilizado para la movilidad individual. ^{[ 41 ]} Utilizando este marco de modelado, una década antes de la pandemia de COVID-19, Barabási predijo los patrones de propagación de un virus transmitido por contacto directo. ^{[ 42 ]}

Barabási ha realizado importantes contribuciones a la comprensión de la controlabilidad y la observabilidad de las redes , abordando la cuestión fundamental de cómo las grandes redes regulan y gestionan su propio comportamiento. Fue el primero en aplicar las herramientas de la teoría de control a la ciencia de redes, uniendo disciplinas que tradicionalmente se habían estudiado por separado. Propuso un método para identificar los nodos a través de los cuales se puede controlar una red compleja, mapeando el problema de control, ampliamente estudiado en física e ingeniería desde Maxwell , en el emparejamiento de grafos , fusionando la mecánica estadística y la teoría de control. ^{[ 43 ]}

Barabási utilizó principios de control de redes para predecir las funciones de neuronas individuales dentro del conectoma de Caenorhabditis elegans . Esta aplicación proporcionó una confirmación experimental directa de las teorías de control de redes al identificar con éxito nuevas neuronas involucradas en la locomoción del organismo y confirmar experimentalmente la validez de las predicciones. ^{[ 44 ]} Su trabajo demostró la utilidad práctica de los métodos de control de redes en sistemas biológicos, resaltando su potencial para descubrir componentes funcionales previamente desconocidos dentro de redes complejas. ^{[ 45 ]}