GenBank se impuso como los datos de la biología al lograr que las revistas rechazaran artículos sin su ID

A finales de la década de 1970, la secuenciación de genes producía más datos de los que las revistas podían imprimir. En una reunión de 1979 en la Universidad Rockefeller se planteó cómo gestionar esa avalancha; de vuelta en Los Álamos, el físico Walter Goad comenzó a recopilar secuencias y a escribir software de análisis. En 1982, los NIH financiaron su propuesta y nació GenBank. A finales de 1983 ya contenía más de 2000 secuencias —unos dos millones de pares de bases, según registra el obituario de Goad publicado por Los Álamos.

El diseño decisivo fue institucional, no técnico. Quienes depositaban datos recibían un número de acceso único, y las revistas impusieron la costumbre: como lo expresa el propio artículo de NCBI en Nucleic Acids Research, «muchas revistas exigen a los autores con datos de secuencias que los envíen a una base de datos pública de secuencias como condición para la publicación». Sin número, no hay artículo; por eso todo investigador depositaba antes de citar.

La apertura eliminó toda razón de ser de cualquier rival. Los datos de GenBank eran gratuitos y sin restricciones, y mediante la alianza INSDC con la ENA de Europa y el DDBJ de Japón, los tres archivos intercambiaban datos a diario: un solo depósito, en cualquier lugar, servía al mundo entero.

El círculo virtuoso funcionó durante décadas. Los Álamos contabilizó unos 9 millones de secuencias (10 000 millones de bases) para el año 2000; las propias notas de la versión de GenBank (versión 273.0) contabilizan ahora 267 millones de registros tradicionales que contienen 8,2 billones de bases, además de 6400 millones de registros basados en conjuntos que contienen 51,8 billones de bases.

Convertir el ID de la base de datos en un requisito para publicar

Las revistas se encargaron de hacerlo cumplir: sin número de acceso, no hay publicación, de modo que el cumplimiento apenas costaba nada a editores e investigadores.

El número de acceso servía a la vez como identificador de cita permanente, lo que hacía más útiles los artículos que usaban GenBank, no solo conformes a la norma.

La redistribución gratuita y sin restricciones eliminó la fricción de precio y licencias que habría enfrentado un archivo comercial.

El intercambio diario con la ENA y el DDBJ mediante INSDC hacía que un solo depósito llegara al mundo entero, sin dejar nicho a los rivales regionales.

Incruste su artefacto en un flujo de trabajo que la gente no pueda omitir. Un estándar que se convierte en requisito de cita se hace cumplir por sí mismo: no hace falta equipo de ventas ni contrato de dependencia.

GenBank se convirtió en la memoria por defecto de la biología molecular: los secuenciadores, los flujos de análisis y los artículos dan por hecho que existe. La versión 273.0 (2026) contabiliza 267 millones de registros tradicionales con 8,2 billones de bases, y el mandato de las revistas del que fue pionero se convirtió en la plantilla para el depósito de datos en toda la ciencia, desde las estructuras de proteínas hasta los ensayos clínicos.