5.3.2 Foldit

Foldit on valkude kokkuklapitavad mäng, mis võimaldab ekspertidel osaleda nii, et see on lõbus.

Netflixi auhind, kuigi tajutav ja selge, ei illustreeri kõiki avatud kõnemiprojekte. Näiteks Netflixi auhinnas oli enamikul tõsistest osavõtjatest aastaid koolitust statistikas ja masinõppes. Kuid avatud kõneprojektid võivad hõlmata ka osalejaid, kellel puudub ametlik väljaõpe, nagu näitas Foldit, valgu-voltimise mäng.

Valgu kokkukleepumine on protsess, mille kaudu võtab oma kujul aminohapete ahel. Selle protsessi paremaks mõistmiseks võiksid bioloogid kujundada spetsiifiliste kujudega valgud, mida saaks kasutada ravimitena. Pisut lihtsamaks muutudes kalduvad valkudele liikuma madalaima energia konfiguratsioonile, konfiguratsiooni, mis tasakaalustab erinevate valude vahel tõmbetugevust (joonis 5.7). Niisiis, kui teadlane tahab ennustada kuju, millesse valk varieerub, siis lahendus kõlab lihtsalt: lihtsalt proovige kõiki võimalikke konfiguratsioone, arvutage nende energia ja prognoosige, et valk väheneb energia madalaima konfiguratsiooniga. Kahjuks on kõigi võimalike konfiguratsioonide proovimine arvutuslikult võimatu, kuna seal on miljardeid ja miljardeid potentsiaalseid konfiguratsioone. Isegi kõige võimsamate arvutitega, mis on täna kättesaadavad - ja lähitulevikus - jõuvõte ei lähe lihtsalt tööle. Seetõttu on bioloogid töötanud välja hulgaliselt nutikaid algoritme, et tõhusalt otsida madalaima energia konfiguratsiooni. Kuid hoolimata arvukatest teaduslikest ja arvutuslikest jõupingutustest ei ole need algoritmid veel kaugel täiuslikkusest.

Joonis 5.7: Valgendamine. Image courtesy of DrKjaergaard / Wikimedia Commons.

Joonis 5.7: Valgendamine. Pildi viisakalt "DrKjaergaard" / Wikimedia Commons .

David Baker ja tema Washingtoni ülikooli uurimisrühm osalesid teadlaste kogukonnas, kes töötavad valkude kokkuvoldimise arvutuslike lähenemisviiside loomiseks. Ühes projektis töötas Baker ja tema kolleegid välja süsteemi, mis võimaldas vabatahtlikel oma arvutidelt ära kasutada kasutamata aega, et aidata kaasa valkude kokkukleepumise simulatsioonile. Vastutasuks võisid vabatahtlikud vaadata ekraanisäästjat, mis näitas nende arvutis valminud valkude kokkuvoldemist. Mitmed neist vabatahtlikest kirjutasid Bakerile ja kolleegidele, et nad mõtlevad, et nad võiksid arvuti jõudlust parandada, kui nad saaksid arvutuses osaleda. Nii hakkas Foldit (Hand 2010) .

Foldit muudab valgu kokkuvoltimise protsessi mänguks, mida saab mängida igaüks. Mängija seisukohast näib Foldit mõistatus (joonis 5.8). Mängijad esitatakse koos valgusstruktuuri kolmemõõtmelise tuhmaga ja võivad teostada operatsioone - "tweak", "wiggle", "rebuild" - see muudab selle kuju. Nende toimingute tegemisel muudavad mängijad valgu kuju, mis omakorda suurendab või vähendab nende skoori. Kriitiliselt arvutatakse skoor, lähtudes praeguse konfiguratsiooni energia tasemest; madalama energiakonfiguratsiooniga tulemuseks on kõrgemad tulemused. Teisisõnu, skoor aitab juhendada mängijaid, kui nad otsivad madala energiasisaldusega konfiguratsioone. See mäng on võimalik ainult seetõttu, et just nagu filmi hinnangute prognoosimine Netflixi auhinna valkude kokkuvõttes on ka olukord, kus lahendusi on lihtsam kui neid genereerida.

Joonis 5.8: Foldit mängekraan. Taasesitatud loal http://www.fold.it.

Joonis 5.8: Foldit mängekraan. Taasesitatud loal http://www.fold.it.

Foldit'i elegantne disain võimaldab mängijatel, kellel pole piisavalt formaalseid biokeemilisi teadmisi, konkureerida ekspertide poolt välja töötatud parimate algoritmidega. Kuigi enamik mängijaid ei ole ülesandes eriti hea, on mõned erakordsed mängijad ja mängijate väikesed meeskonnad. Foldit mängijate ja tipptasemelate algoritmide vahelise peavahea konkurentsis loonud mängijad paremate lahenduste leidmiseks viiest 10 proteiinist (Cooper et al. 2010) .

Foldit ja Netflixi auhind on paljudel juhtudel erinevad, kuid mõlemad hõlmavad avatud kõnesid lahenduste leidmiseks, mida on lihtsam kontrollida kui genereerida. Nüüd näeme sama struktuuri veel ühes väga erinevas seades: patendiõigus. Avatud kõneprobleemi viimane näide näitab, et seda lähenemist saab kasutada ka seadetes, mis ei ole ilmselt kvantifitseerimisega seotud.