Sincroton

La inteligencia artificial predice la estructura de las proteínas que forman al humano

DeepMind y el Laboratorio Europeo de Biología Molecular han publicado este jueves más de 350.000 estructuras, incluyendo las de unas 20.000 proteínas humanas y las de otros 20 organismos, como el ratón de laboratorio y la bacteria de la tuberculosis. El científico Venki Ramakrishnan, ganador del Nobel de Química en 2009, afirma que es “un avance asombroso”, de consecuencias impredecibles. “Ha ocurrido mucho antes de lo que muchos expertos habrían predicho. Va a ser emocionante ver las muchas maneras en las que va a cambiar radicalmente la investigación biológica”, ha señalado Ramakrishnan, del Laboratorio de Biología Molecular de Cambridge (Reino Unido), en un comunicado.

DeepMind, una empresa comprada por Google, predice con una precisión sin precedentes la estructura de casi todas las proteínas que forman un ser humano.

Estructuras de proteínas predichas por el sistema de inteligencia artificial AlphaFold. DEEPMIND

La humanidad lleva medio siglo enfrentada a un desafío descomunal: averiguar la forma de los ladrillos básicos de la vida, un conocimiento esencial para curar enfermedades hoy letales. El agua es muy fácil de imaginar. Son solo dos átomos de hidrógeno unidos a otro de oxígeno: H₂O. Pero la proteína que enrojece la sangre, la hemoglobina, responde a la endiablada fórmula C₂₉₅₂H₄₆₆₄N₈₁₂O₈₃₂S₈Fe₄. El biólogo estadounidense Cyrus Levinthal calculó en 1969 que se necesitaría más tiempo del transcurrido desde el origen del universo —unos 14.000 millones de años— para desentrañar todas las configuraciones posibles de una única proteína a partir de su secuencia de aminoácidos, que son los eslabones de esas macromoléculas. Sin embargo, un sistema de inteligencia artificial del conglomerado de Google ha logrado hacerlo en unos minutos. Sus predicciones para prácticamente todas las proteínas humanas se hacen públicas este jueves22 de julio del 2021. Es un salto de gigante para la biología. La humanidad se quita una venda de los ojos.

Encabeza esta revolución el neurocientífico británico Demis Hassabis (Londres, 44 años). El investigador fue un niño prodigio del ajedrez y en 1997 quedó marcado por el combate entre el maestro ruso Gari Kaspárov y el superordenador Deep Blue. La computadora ganó aquella batalla, pero Hassabis se quedó con la sensación de que era un cacharro tosco, inútil si había que jugar a las tres en raya. Cuando acabó la última partida, el entonces estudiante de la Universidad de Cambridge se propuso diseñar una máquina capaz de aprender cualquier juego. En 2010, Hassabis fundó la empresa DeepMind para impulsar la inteligencia artificial. En 2013, su primera criatura había aprendido sola a jugar y ganar en diferentes videojuegos de la legendaria videoconsola Atari. En 2014, Google compró la compañía por unos 650 millones de dólares (unos 500 millones de euros al cambio de entonces)(Londres, 44 años). El investigador fue un niño prodigio del ajedrez y en 1997 quedó marcado por el combate entre el maestro ruso Gari Kaspárov y el superordenador Deep Blue. La computadora ganó aquella batalla, pero Hassabis se quedó con la sensación de que era un cacharro tosco, inútil si había que jugar a las tres en raya. Cuando acabó la última partida, el entonces estudiante de la Universidad de Cambridge se propuso diseñar una máquina capaz de aprender cualquier juego. En 2010, Hassabis fundó la empresa DeepMind para impulsar la inteligencia artificial. En 2013, su primera criatura había aprendido sola a jugar y ganar en diferentes videojuegos de la legendaria videoconsola Atari. En 2014, Google compró la compañía por unos 650 millones de dólares (unos 500 millones de euros al cambio de entonces)

Demis Hassabi

Tras su entrenamiento con los videojuegos, los científicos de DeepMind se han lanzado a intentar resolver uno de los mayores retos de la biología. Las proteínas —como las hormonas, las enzimas y los anticuerpos— son diminutas máquinas que llevan a cabo las funciones básicas para la vida. Están formadas por cadenas de otras moléculas más pequeñas, los aminoácidos, como si fueran un collar de perlas. Estos collares se pliegan en enrevesadas configuraciones que determinan su función. Los anticuerpos, defensas del cuerpo humano ante invasores como el coronavirus, tienen forma de Y.

En el ADN de cada célula están escritas las recetas de todas las proteínas que necesita para funcionar. El sistema de DeepMind, bautizado AlphaFold, lee esa información —una secuencia de aminoácidos— y predice la estructura de cada proteína. Su precisión es similar a la lograda con experimentos en el laboratorio, que requieren muchísimo más tiempo y dinero. Es como adivinar la forma de una tortilla al ver por primera vez una receta con huevos, patatas, cebolla, aceite y sal.

Algunas organizaciones ya están trabajando con la nueva base de datos. La Iniciativa Medicamentos para Enfermedades Olvidadas, una entidad sin ánimo de lucro impulsada por Médicos Sin Fronteras, utiliza la estructura de las proteínas para buscar nuevos tratamientos. Prácticamente todas las enfermedades, desde el cáncer al alzhéimer, pasando por la covid, están relacionadas con la forma de alguna proteína. Otras instituciones, como la Universidad de Portsmouth (Reino Unido), están empleando el programa para intentar diseñar proteínas capaces de reciclar plásticos.

Demis Hassabis, director ejecutivo de DeepMind, ha anunciado que su plan es publicar 100 millones de estructuras en los próximos meses. Eso supondría ofrecer gratis la predicción de la forma de prácticamente todas las proteínas con una secuencia de aminoácidos conocida. “Creemos que esta es la contribución más importante hasta ahora de la inteligencia artificial al conocimiento científico”, ha proclamado Hassabis. En su estudio, publicado este jueves en la revista Nature, ha participado el español Bernardino Romera Paredes, un ingeniero informático de DeepMind nacido en Murcia hace 35 años.

El sistema AlphaFold no nace de la nada, como ha recalcado Edith Heard, directora general del Laboratorio Europeo de Biología Molecular, un organismo con 1.800 trabajadores y sedes en Alemania, Francia, Italia, Reino Unido y, desde 2017, en España, en Barcelona. “AlphaFold ha sido entrenado utilizando datos de recursos públicos creados por la comunidad científica, así que tiene sentido que sus predicciones sean públicas”, ha declarado Heard. La investigadora habla de “una auténtica revolución para las ciencias de la vida, como lo fue la genómica hace décadas”.

Para determinar la estructura real de una proteína se necesitan carísimas infraestructuras, como el Laboratorio Europeo de Radiación Sincrotrón, una instalación circular de casi un kilómetro de circunferencia en Grenoble (Francia). La radiación emitida por los electrones que circulan por el anillo, compuesta básicamente por rayos X, permite observar los secretos de la materia. El biólogo españoJosé Antonio Márquez explica que dilucidar la forma de una proteína con un sincrotrón, o con el método alternativo de la criomicroscopía electrónica, puede requerir “meses o incluso años”. AlphaFold lo consigue en minutos, pero con errores.

José Antonio Marquez

“Se trata de predicciones de ordenador, no de la determinación experimental de la estructura. Y la precisión es del 58%”, subraya Márquez, un investigador valenciano de 52 años que dirige la Plataforma de Cristalografía del Laboratorio Europeo de Biología Molecular, en Grenoble. Hoy en día, si un científico quiere estudiar una proteína implicada en el cáncer, tiene que esperar meses o años para analizar su forma. En las bases de datos solo hay unas 180.000 estructuras. La información publicada este jueves duplica esa cifra. Y en unos meses serán millones. “Lo normal hoy es no encontrar una proteína en las bases de datos. Con AlphaFold puedes tener una predicción con un 58% de fiabilidad. Te ahorra una cantidad de tiempo enorme”, opina Márquez, que no ha participado en el proyecto. Las imprecisiones del sistema se concentran en unas determinadas regiones de las proteínas, desestructuradas para adaptarse al ambiente.

El biólogo español señala otras limitaciones. El sistema de DeepMind puede predecir la estructura de una molécula aislada, pero las proteínas suelen interactuar con otras. AlphaFold todavía no es capaz de pronosticar la forma de estos complejos, pero es un programa diseñado para que aprenda solo. Márquez es optimista: “Va a conseguir acelerar los descubrimientos en prácticamente todas las áreas de la biología”.

Compilador: Ricardo Cuya-Vera

Fuente; Nature, https://www.nature.com/articles/s41586-021-03828-1

Harald Helfgott

Harald Helfgott Seier

Harald Andrés Helfgott Seier (Lima, Perú, 25 de noviembre de 1977) es un matemático peruano. Su principal área de investigación es la relacionada con la teoría de números. En el 2015 publicó dos trabajos que demuestran la conjetura débil de Goldbach, después de 271 años de su formulación.

Esta conjetura se expresa así:

Todo número impar mayor que 7 puede expresarse como suma de tres números primos impares.

Egresó del colegio Alexander von Humboldt, obtuvo una beca de pregrado en la Universidad Brandeis en Estados Unidos. En esta estudió desde 1994 a 1998, obteniendo su B. A. summa cum laude en matemáticas y ciencias de la computación. Luego, en la Universidad de Princeton desde 1998 a 2003, obtuvó el grado de Ph. D. en matemáticas, para lo cual contó con la asesoría de Henryk Iwaniec. Posteriormente, fue admitido en el Centre National de la Recherche Scientifique en Francia, donde actualmente, desarrolla tareas de investigación, desde el año 2010.

Distinciones:

  • En 2008 recibió el Premio Philip Leverhulme por su trabajo en teoría de números, geometría diofántica y teoría de grupos.
  • En junio de 2009 recibió el Premio Whitehead de la Sociedad Matemática de Londres por sus contribuciones a la teoría de números.
  • En febrero de 2011 recibió junto con Tom Sanders el Premio Adams
  • En agosto de 2013 fue reconocido como “Profesor honorario” de la Universidad Nacional Mayor de San Marcos, alma mater de sus padres y universidad donde comenzó a interesarse por las matemáticas, en mérito a sus logros y a su regular contribución a la universidad a través del dictado de conferencias y seminarios.
  • En febrero de 2016 recibió el Doctorado Honoris Causa por la Universidad Nacional de Córdoba.

En este vídeo vemos a Harald explicando y es ¡¡ fabuloso !!

Compilación de Ricardo Cuya-Vera

Nobel-quimica-2020

Charpentier & Doudna Nobel de Química 2020

La francesa Emmanuelle Charpentier y la estadounidense Jennifer Doudna desarrollaron “un método para la edición de genes” que ayuda a combatir el cáncer. Son la sexta y séptima mujer que ganan el premio desde 1901.

Charpentier y Doudna - Nobel de química del 2020. INvetaron la edicicón genética CRISPR/CAS9
Nobel de Química del 2020 para Emmanuelle Charpentier   
11 de diciembre de 1968, Juvisy-sur-Orge, Francia
Estudió en la Universidad Pierre y Marie Curie (1995)
y Jennifer A. Doudna.
19 de febrero de 1964, Washington D. C., Estados Unidos
Estudió en la Escuela de Medicina Harvard (1989)

El Premio Nobel de Química galardonó (07.10.2020) a dos mujeres genetistas, la francesa Emmanuelle Charpentier y la estadounidense Jennifer Doudna, por sus investigaciones sobre las “tijeras moleculares“, capaces de modificar los genes humanos, un descubrimiento “revolucionario”.

El galardón quiere recompensar “el desarrollo de un método de edición de genes” que “contribuye a desarrollar nuevas terapias contra el cáncer y puede hacer realidad el sueño de curar enfermedades hereditarias”, subrayó el jurado en Estocolmo.

Charpentier, de 51 años, y Doudna, de 56, se convierten así en la sexta y séptima mujer que ganan un Nobel de Química desde 1901.

En junio de 2012, las dos genetistas y su equipo describieron en la revista Science una nueva herramienta con la que se podía simplificar el genoma. El mecanismo se llama Crispr/Cas9 y es conocido como “tijeras moleculares”.

Rafael Yuste

Proyecto Brain * Rafael Yuste

Este proyecto que empieza el 2013, es equivalente al proyecto del genoma humano.

El neurobiólogo español Rafael Yuste, investigador y catedrático de la Universidad de Columbia, detalla los orígenes, desarrollo y perspectivas futuras del proyecto BRAIN, del cual forma parte y que, financiado por el Congreso de los Estados Unidos, tiene como objetivo registrar la actividad del cerebro humano. Destaca de esta investigación que aúna ciencia y tecnología su aplicación para detectar las causas de numerosas enfermedades.

El Proyecto Cerebro Humano (HBP por sus siglas en inglés) es un proyecto medico-científico y tecnológico financiado por la Unión Europea y dirigido por Henry Makram, que tiene como fin reproducir tecnológicamente las características del cerebro humano, y de esta forma conseguir avances en el campo de la medicina y la neurociencia. Para que este proyecto pueda desarrollarse es necesaria la investigación en nuevas TIC, o tecnologías de supercomputación avanzadas que permitan asociar y utilizar la información integrada en modelos informáticos y simulaciones del cerebro que identifiquen patrones, principios organizativos y posibles carencias que puedan ser subsanadas con nuevos experimentos. A su vez para este fin, se han desarrollado distintas plataformas:

Plataforma Neuroinformática: reunirá datos y conocimiento de neurocientíficos de todo el mundo, poniéndolos a disposición de la comunidad científica.

Plataforma de Simulación del Cerebro: integrará esta información en modelos informáticos unificados, haciendo posible identificar los datos que faltan y permitiendo experimentos in silico, imposibles de realizar en el laboratorio.

Plataforma de Computación de Alto Rendimiento: suministrará la tecnología de supercomputación interactiva que los neurocientíficos necesitan para el modelado y simulación de datos.

Plataforma de Informática Médica: integrará datos clínicos de todo el mundo, aportando a los investigadores nuevas herramientas matemáticas para buscar las signaturas biológicas de las enfermedades.

Plataforma de Computación Neuromórfica: transformará los modelos del cerebro en una nueva clase de dispositivos “hardware” testando sus aplicaciones.

Plataforma de Neuro robótica: permitirá a los investigadores en neurociencia y en la industria experimentar con robots virtuales controlados por modelos cerebrales desarrollados en el proyecto.

Las claves educativas en la era de la inteligencia artificial

En este vídeo, el experto en inteligencia artificial Kai-Fu Lee analiza el impacto que las nuevas tecnologías tendrán en el mercado laboral y en la vida de las generaciones futuras. Lee explica, además, algunos conceptos básicos sobre IA y propone un cambio educativo que prepare a los niños de hoy para el futuro. “Ahora, lo importante en una empresa es el trabajo en equipo, la colaboración y la comunicación. Eso es lo que necesitamos enseñar”, sostiene.

Nobel de Química 2019 para los inventores de la batería de ion-litio

La  Real Academia de las Ciencias de Suecia ha concedido el Premio Nobel de Química de 2019 al estadounidense John B. Goodenough, al británico Stanley Whittingham y al japonés Akira Yoshino por desarrollar la batería de iones de litio.

Nobel de Química 2019

“Esta ligera, recargable y potente batería se utiliza en la actualidad en todas partes, desde los teléfonos móviles a los ordenadores portátiles y los vehículos eléctricos. También puede almacenar cantidades significativas de energía solar y eólica, haciendo posible una sociedad libre de combustibles fósiles”, menciona en un comunicado. Los tres ganadores se repartirán el premio, dotado con 825.000 euros, a partes iguales.

Las bases de la batería de iones de litio se sentaron durante la crisis del petróleo de la década de 1970, destaca la Real Academia. Stanley Whittingham, un investigador de la Universidad Estatal de Nueva York nacido en 1941, comenzó a trabajar en el desarrollo de métodos que pudieran conducir a tecnologías energéticas libres de combustibles fósiles. Sus investigaciones con materiales superconductores culminaron pronto en una batería de litio con un cátodo de disulfuro de titanio y un ánodo de litio metálico. “El resultado fue una batería que tenía un gran potencial, un poco más de dos voltios. Sin embargo, el litio metálico es reactivo y la batería era demasiado explosiva como para ser viable”, explica la institución sueca.

El problema lo tomó John Goodenough, un físico nacido en Jena (Alemania) en 1922, pero nacionalizado estadounidense. Goodenough, de la Universidad de Texas, predijo que el cátodo tendría un mayor potencial si estuviera hecho con un óxido metálico en lugar de un sulfuro metálico. Tras probar diversos materiales, en 1980 demostró que el óxido de cobalto con iones de litio intercalados producía hasta cuatro voltios. “Este fue un avance importante que conduciría a baterías mucho más potentes”, narra la Real Academia.

Introduciendo mejoras en el trabajo de Goodenough, Akira Yoshino (Suita, 1948), de la empresa japonesa Asahi Kasei, creó la primera batería de iones de litio viable comercialmente. “El resultado fue una batería ligera y resistente que podía cargarse cientos de veces antes de que su rendimiento se redujera. La ventaja de las baterías de iones de litio es que no se basan en reacciones químicas que descomponen los electrodos, sino en iones de litio que fluyen de un lado a otro entre el ánodo y el cátodo”, detalla la institución sueca. “Simplemente olfateé la dirección hacia la que se movían las tendencias. Se podría decir que tuve un buen olfato”, ha bromeado Yoshino

“Las baterías de iones de litio han revolucionado nuestras vidas desde que llegaron al mercado en 1991. Han sentado las bases de una sociedad inalámbrica, libre de combustibles fósiles, y son de gran beneficio para la humanidad”, aplaude el comunicado. El trabajo de Whittingham, Goodenough y Yoshino sirvió para cambiar el comportamiento de la humanidad, desde la manera de comunicarse a la forma de trabajar, escuchar música o transportarse.

Un año más, todos los premios Nobel de ciencias han sido para hombres. Desde 1901, solo cinco mujeres han ganado el Nobel de Química, el 2,7% de los 184 galardonados. Este año, sonaba en las quinielas la estadounidense Carolyn Bertozzi, de la Universidad de Stanford, por desarrollar técnicas para visualizar procesos en el interior de las células, una metodología conocida como química bioortogonal que ha permitido entender mejor enfermedades como el cáncer.

La apuestas de la sociedad científica internacional Sigma Xi también incluían a Jennifer Doudna, investigadora de la Universidad de California, en Berkeley, y madre de la revolucionaria técnica de edición genética CRISPR junto a la bioquímica francesa Emmanuelle Charpentier, ahora en el Instituto Max Planck en Berlín. Ambas se apoyaron en los pioneros trabajos del microbiólogo español Francis Mojica, cuyo laboratorio en la Universidad de Alicante descubrió en 2003 un sistema de tijeras moleculares que las bacterias utilizan para defenderse de los virus. Esas mismas tijeras sirven ahora para editar el genoma de cualquier ser vivo con rapidez, facilidad y de manera muy barata.

Max Hidalgo

Max Hidalgo (1990 – ) es un biólogo peruano con 16 años de experiencia en ictiología, hidrobiología, taxonomía de peces de aguas continentales, con línea de investigación relacionada en Conservación, Ecología, Monitoreo e Impacto Ambiental.

Es oriundo de Huancavelica. Desde pequeño, su madre lo incentivó a armar cosas y explorar el mundo con libertad. Max es egresado de la Universidad Nacional Mayor de San Marcos. Ahí estudió Ciencias Biológicas y posteriormente obtuvo una maestría en Biodiversidad y Gestión de Ecosistemas.

Actualmente es investigador permanente del Museo de Historia Natural UNMSM, docente de la Facultad de Ciencias Biológicas de la UNMSM e hidrobiólogo senior en AMEC Perú. Su más reciente trabajo es el proyecto Yawa, ganador del concurso mexicano internacional Una idea para cambiar la historia, patrocinado por History Channel.

Con este proyecto desea conseguir proveer de agua a través de una turbina eólica que la genera tras condensar el aire. Este proyecto está enfocado en ayudar a la gente que no adquiere agua de buena calidad, que muchas veces llega a sus hogares con presencia de microorganismos dañinos.

Este innovador peruano, a través de sus investigaciones, nos demuestra que “Siempre hay que buscar la manera más fácil de hacer las cosas. No esperar a tener algo, sino trabajar en base a lo que tenemos. Lo simple resulta siempre más grandioso.”

Frederick Sanger

Frederick Sanger (1918 – 2013) fue un bioquímico inglés a quien le otorgaron dos veces el Premio Nobel de Química. Sus investigaciones se centraron en las características de la insulina y la secuenciación del ADN.

Sanger estudió en la escuela Bryanston y posteriormente obtuvo el título de bachiller en Ciencias Naturales en el St. John’s College. Se inclinó a la bioquímica por la presencia de eminencias en el tema en su universidad. Obtuvo su doctorado en 1943 y luego trabajó como investigador del laboratorio de Bioquímica.

Sanger determinó la secuencia de los aminoácidos de la insulina en 1953. Al hacerlo, demostró que las proteínas tienen estructuras específicas. A través de un experimento, consiguió crear patrones característicos para las proteínas. Sanger llamo a estos patrones “huellas dactilares”. Como las huellas dactilares humanas, estos patrones se pueden emplear para identificar cada proteína. Reagrupó los pequeños fragmentos en secuencias para deducir la estructura completa de la insulina. Sanger concluyó que la proteína de la insulina tenía una secuencia precisa de aminoácidos. Este resultado le valió su primer Premio Nobel de química en 1958.

En 1975 desarrolló el innovador método de secuenciación de ADN, conocido también como método de Sanger. Dos años más tarde empleó esta técnica para secuenciar el genoma del bacteriófago F-X174, el primer organismo del que se secuenció totalmente el genoma. Realizó este trabajo manualmente, sin ayuda de ningún automatismo. Base fundamental para proyectos tan ambiciosos como el Proyecto Genoma Humano, y por este trabajo se le concedió su segundo Premio Nobel en 1980, que compartió con Walter Gilbert.

Frederick Sanger murió mientras dormía el 19 de noviembre de 2003.

Kip Thorne

Kip Stephen Thorne (1940 – ) es un físico teórico estadounidense, ganador del Premio Nobel de Física en 2017. Es conocido por sus numerosas contibuciones en el campo de la física gravitacional y la astrofísica.

Kip Thorne nació en Utah, Estados Unidos. Es hijo de dos profesores de la universidad de Utah y fue criado en un ambiente académico, por lo que dos de sus cuatro hermanos también son profesores. Thorne destacó en sus estudios desde temprana edad, llegando a convertirse en uno de los profesores más jóvenes de la historia del Instituto de Tecnología de California.

Su tesis doctoral se tituló “Geometrodynamics of Cylindrical Systems”. Se doctoró en la Universidad de Princeton en 1965. En 1991 le fue otrogada la cátedra “Profesor Feynman de Física Teórica”.

La investigación de Thorne se ha centrado principalmente en la astrofísica relativista y la física de gravitación, con énfasis en las ondas gravitatorias de los agujeros negros y la evolución estelar. Es conocido públicamente por su controvertida teoría de que los agujeros de gusano se pueden usar para viajar en el tiempo.

En junio de 2009 renunció a su cátedra Feynman (ahora es emérito) para desarrollar una carrera profesional como escritor y guionista cinematográfico. En su primer proyecto colaboró con el director Christopher Nolan, en la película Interstellar.

Thorne es considerado una de las pocas autoridades mundiales en ondas gravitatorias. En parte, su trabajo se ha ocupado de la predicción sobre ondas gravitatorias y sus ritmos temporales observables en la Tierra. Estos “ritmos” observables son de gran importancia para el experimento denominado LIGO (Laser Interferometer Gravitational Wave Observatory).

Ha prestado también apoyo teórico para el LIGO, incluyendo la identificación de fuentes de ondas gravitatorias en que LIGO debería centrarse, el diseño de los deflectores para el control de la luz dispersada en el haz de tubos de LIGO.

Thorne desarrolló sistemas innovadores de modulación de amplitud en cuadratura de osciladores armónicos, una técnica aplicable tanto en la detección de ondas gravitatorias como en la óptica cuántica (el Ligo utiliza en sus mediciones rayos láser). Debido a estas investigaciones, en 2017 le fue concedido, junto a Rainer Weiss y Barry C. Barish, el premio Nobel de física, «por sus contribuciones decisivas al detector LIGO y por la observación de ondas gravitatorias».

Dennis Gabor

Dennis Gabor (1900-1979) fue un innovador físico Húngaro que nació en Budapest y murió en Londres. Se le otorgó el premio Nobel de física en 1971 por la invención de los hologramas. Es principalmente conocido por esto pero también por inventar el filtro de Gabor y desarrollar investigaciones científicas respecto a la comunicación, televisión a color y a la óptica.

Su nombre de nacimiento fue Dénes Günszberg. Su familia era judía por parte de su padre y española por parte de su madre. De pequeño se inspiraba de Julio Verne y Thomas Edison. Su padre, al dirigir una compañía minera, lo motivó a aprender sobre la ingeniería y la física. A los 10 años de edad presentó su primera patente. Al cumplir los 18 fue enviado a asistir en la Primera Guerra mundial, no tardó en regresar para estudiar Ingeniería Mecánica en la Universidad de Tecnología y Tecnología de Budapest.

En 1920 emigra de Hungría a Berlín porque el gobierno Húngaro lo llamó para que realice otro servicio militar. Aparte, se encontraba en contra del nuevo gobierno. Una vez en Berlín se gradúa en Ingeniería Eléctrica y obtiene su doctorado en 1927. Inmediatamente después empieza a trabajar en el desarrollo de lámparas de alta presión. Tiene que dejar este puesto de trabajo en 1933 por la llegada de Hitler, al ser de ascendencia judía. Decidio mudarse a Inglaterra en donde su amigo Edward Allibone lo ayudó a conseguir trabajo en British Tohmson-Houston, una empresa de ingeniería eléctrica. Es ahí donde investiga rayos catódicos y tubos de descarga de gas. Durante la guerra, colaboro con los británicos en el desarrollo del radar.

Hasta 1947 realizó investigaciones en la holografía, la cual presentaría al público en ese año y le daría fama y el Nobel de física de 1971. También pudo mejorar la resolución de los microscopios electrónicos e inventar el láser, lo cual cambio para siempre la física óptica. Continuo con sus estudios en Imperial College London y realizo algunas investigaciones en Estados Unidos. Finalmente en 1979 murió por causas naturales a los 79 años.