El Dr. Michael Levitt, Premio Nobel de Química en 2013, visita el ITQ (UPV-CSIC)
23/05/2025
El Dr. Michael Levitt, Premio Nobel de Química en el año 2013, visitará el próximo 2 de junio de 2025 el Instituto de Tecnología Química (ITQ UPV-CSIC) con motivo de su participación como jurado en los Premios Rei Jaume I.
En su visita al ITQ (UPV-CSIC), se realizará un encuentro entre el Dr. Michael Levitt y jóvenes investigadores del instituto, en el que el personal investigador tendrá la oportunidad de preguntar, resolver dudas y conocer más sobre la carrera investigadora del premio nobel de química.
Tras esta charla, se realizará una mesa redonda en la que participará el Prof. Hermenegildo García, el Prof. Juan Bisquert, la Prof. María Luisa Marín, el Dr. Pablo P. Boix y la Dra. Cristina Martínez.
Dr. Michael Levitt
Michael Levitt nació el 9 de mayo de 1947 en Pretoria, Sudáfrica, realizó sus estudios en el King’s College de Londres y se licenció en Física en 1967 por la Universidad de Cambridge, en el Reino Unido. Posteriormente, trabajó en el Gonville and Caius College, donde obtuvo el doctorado en Biología Computacional en 1972. Más adelante, ejerció como profesor de Biología en la Escuela Universitaria de Medicina de Stanford, en California, Estados Unidos.
Fue uno de los pioneros en aplicar la dinámica molecular a simulaciones de ADN y proteínas, y desarrolló el primer software destinado a este propósito. Es reconocido por sus contribuciones al desarrollo de métodos para predecir estructuras macromoleculares.
El 9 de octubre de 2013, Michael Levitt fue galardonado con el Premio Nobel de Química, junto a Martin Karplus y Arieh Warshel, por haber establecido, en los años setenta, los fundamentos de los modelos informáticos avanzados que hoy permiten comprender y predecir sistemas químicos complejos.
Summary
Michael Levitt’s study offers a data-driven perspective on the COVID-19 pandemic, starting with his early analysis in January 2020. Observing that the fractional daily change in deaths in China began decreasing quickly, he challenged the assumption of exponential growth and identified Gompertz functions—characterized by a decelerating growth rate—as better models for the epidemic’s trajectory. This insight enabled early predictions of pandemic peaks in various locations.
By applying these models, Levitt and collaborators developed predictive tools such as “four-panel plots” to track the pandemic across 87 regions. He emphasized that forecasting outbreak peaks was only feasible because COVID-19’s growth was sub-exponential from the start—contrary to standard epidemiological models.
The presentation also critiques the use of case fatality rates and underscores the importance of measuring excess deaths—the deviation from expected all-cause mortality. Levitt shows that excess deaths in 2020–21 averaged 8.8% above normal globally, equivalent to one extra month of death per year. However, discrepancies were large: the USA experienced 40.5% excess death over 2020–23, with a disproportionately high number among those under 65 compared to Europe. This suggested that many deaths may have stemmed from pandemic-related disruption (e.g., drug overdoses or missed treatments), not just the virus.
Poverty strongly correlated with higher excess mortality. Levitt calls for cost-benefit evaluation of public health interventions, highlighting the societal toll of lockdowns.
He closes with a reflection on the role of AI in scientific understanding, expressing hope that generative AI might help society better prepare for future global crises—especially climate change.
