O GenBank conquistou os dados da biologia fazendo os periódicos recusarem artigos sem seu ID

No final da década de 1970, o sequenciamento de genes produzia mais dados do que os periódicos conseguiam imprimir. Uma reunião em 1979 na Universidade Rockefeller perguntou como administrar a enxurrada; de volta a Los Alamos, o físico Walter Goad começou a coletar sequências e a escrever software de análise. Em 1982, o NIH financiou sua proposta, e o GenBank nasceu. No final de 1983, ele continha mais de 2.000 sequências — cerca de dois milhões de pares de bases, registra o obituário de Goad publicado por Los Alamos.

O desenho decisivo foi institucional, não técnico. Os depositantes recebiam um número de acesso único, e os periódicos impunham o hábito: como diz o próprio artigo do NCBI na Nucleic Acids Research, 'muitos periódicos exigem que autores com dados de sequência submetam os dados a um banco público de sequências como condição de publicação.' Sem número, sem artigo — assim, todo pesquisador depositava antes de citar.

A abertura eliminou a razão de existir de qualquer rival. Os dados do GenBank eram gratuitos e irrestritos e, por meio da parceria INSDC com o ENA da Europa e o DDBJ do Japão, os três arquivos trocavam dados diariamente — um depósito, em qualquer lugar, servia o mundo inteiro.

O ciclo virtuoso durou décadas. Los Alamos contabilizou cerca de 9 milhões de sequências (10 bilhões de bases) até 2000; as próprias notas de lançamento do GenBank (versão 273.0) agora contam 267 milhões de registros tradicionais contendo 8,2 trilhões de bases, além de 6,4 bilhões de registros baseados em conjuntos contendo 51,8 trilhões de bases.

Fazer do ID do banco de dados um ingresso para a publicação

Os periódicos fizeram a fiscalização: sem número de acesso, sem publicação, de modo que a conformidade custava quase nada aos editores e pesquisadores.

O número de acesso funcionava também como identificador permanente de citação, tornando os artigos que usavam o GenBank mais úteis, e não apenas em conformidade.

A redistribuição gratuita e irrestrita eliminou o atrito de preço e licenciamento que um arquivo comercial teria enfrentado.

A troca diária com o ENA e o DDBJ por meio do INSDC significava que um depósito alcançava o mundo inteiro, não deixando nicho para rivais regionais.

Incorpore seu artefato a um fluxo de trabalho que as pessoas não possam pular. Um padrão que se torna exigência de citação se fiscaliza sozinho — sem equipe de vendas, sem contrato de aprisionamento necessário.

O GenBank tornou-se a memória padrão da biologia molecular: sequenciadores, pipelines e artigos pressupõem sua existência. A versão 273.0 (2026) contabiliza 267 milhões de registros tradicionais com 8,2 trilhões de bases, e a exigência dos periódicos que ele pioneirou tornou-se o modelo para depósito de dados em toda a ciência — de estruturas de proteínas a ensaios clínicos.