5.3.2 Foldit

Foldit é un xogo antidoblante que permite que non expertos participen dun xeito divertido.

O Premio Netflix, evocativo e claro, non ilustra a gama completa de proxectos de chamadas abertas. Por exemplo, no Premio Netflix a maioría dos participantes serios tiñan anos de adestramento en estatísticas e aprendizaxe automática. Non obstante, os proxectos de chamada aberta tamén poden implicar aos participantes que non teñen un adestramento formal, como o ilustra Foldit, un xogo de dobradura de proteínas.

O plegado de proteínas é o proceso polo cal unha cadea de aminoácidos toma a súa forma. Coa mellor comprensión deste proceso, os biólogos poderían deseñar proteínas con formas específicas que poderían utilizarse como medicamentos. Simplificando un pouco, as proteínas tenden a moverse á súa configuración máis baixa de enerxía, unha configuración que equilibra os distintos empuxos e tira dentro da proteína (figura 5.7). Polo tanto, se un investigador quere predecir a forma na que unha proteína se dobra, a solución soa sinxela: basta con probar todas as configuracións posibles, calcular as súas enerxías e prever que a proteína dobrarase na configuración de menor enerxía. Desafortunadamente, probando todas as configuracións posibles é computacionalmente imposible porque hai miles de millóns e miles de configuracións potenciais. Incluso coas computadoras máis potentes dispoñibles hoxe e, no futuro previsible, a forza bruta non vai funcionar. Por iso, os biólogos desenvolveron moitos algoritmos intelixentes para buscar de forma eficiente a configuración de menor enerxía. Pero, a pesar de cantidades enormes de esforzo científico e computacional, estes algoritmos aínda están lonxe de ser perfectos.

Figura 5.7: Plegado proteico. Imaxe cortesía de "DrKjaergaard" / Wikimedia Commons .

David Baker eo seu grupo de investigación da Universidade de Washington formaron parte da comunidade de científicos que traballan para crear enfoques computacionais para o plegado de proteínas. Nun proxecto, Baker e colegas desenvolveron un sistema que permitía aos voluntarios a doar o tempo non utilizado nos seus ordenadores para axudar a dobrar proteínas de simulación. A cambio, os voluntarios poderían ver un protector de pantalla que mostra o dobrado da proteína que estaba a suceder no seu computador. Varios destes voluntarios escribiron a Baker e aos seus compañeiros que dixeron que pensaban que podían mellorar o rendemento do ordenador se fosen involucrados no cálculo. E así comezou a Foldit (Hand 2010) .

Foldit converte o proceso de dobradura de proteína nun xogo que calquera pode xogar. Desde a perspectiva do xogador, Foldit parece ser un rompecabezas (figura 5.8). Os xogadores presentáronse un emaranhado tridimensional de estrutura proteica e poden realizar operacións: "tweak", "wiggle", "reconstruír" -que cambia a súa forma. Ao realizar estas operacións, os xogadores modifican a forma da proteína, que á súa vez aumenta ou diminúe a súa puntuación. Críticamente, a puntuación calcúlase en función do nivel de enerxía da configuración actual; As configuracións de menor enerxía producen maiores puntuacións. Noutras palabras, a puntuación axuda a guiar aos xogadores mentres buscan configuracións de baixa enerxía. Este xogo só é posible porque, como predicir as clasificacións de películas no peche de Netflix Prize-protein, tamén é unha situación na que é máis sinxelo comprobar as solucións que xeralo.

Figura 5.8: Pantalla de xogo para Foldit. Reproducido con permiso de http://www.fold.it.

O elegante deseño de Foldit permite aos xogadores con poucos coñecementos formais de bioquímica para competir cos mellores algoritmos deseñados por expertos. Aínda que a maioría dos xogadores non son particularmente bos na tarefa, hai poucos xogadores individuais e pequenos equipos de xogadores excepcionais. De feito, nunha competición directa entre os xogadores de Foldit e os algoritmos máis avanzados, os xogadores crearon mellores solucións para 5 das 10 proteínas (Cooper et al. 2010) .

O premio Foldit eo Netflix son diferentes en moitos aspectos, pero ambos implican chamadas abertas para solucións que son máis fáciles de comprobar que xerar. Agora, veremos a mesma estrutura noutro escenario moi diferente: a lei de patentes. Este último exemplo dun problema de chamada aberta mostra que este enfoque tamén se pode usar en configuracións que non son obviamente susceptibles de cuantificación.