Foldit és un joc de plegament de proteïnes que permet als no experts participar d'una manera divertida.
El Premi Netflix, tot i que evocatiu i clar, no il·lustra tota la gamma de projectes de convocatòria oberta. Per exemple, en el Premi Netflix, la majoria dels participants seriosos van tenir anys de formació en estadística i aprenentatge automàtic. Però els projectes de convocatòries obertes també poden implicar participants que no tenen una formació formal, tal com va ser il·lustrat per Foldit, un joc de plegament de proteïnes.
El plegament de proteïnes és el procés pel qual s'incorpora una cadena d'aminoàcids. Amb una millor comprensió d'aquest procés, els biòlegs podrien dissenyar proteïnes amb formes específiques que podrien utilitzar-se com medicaments. Simplificant una mica, les proteïnes tendeixen a passar a la seva configuració d'energia més baixa, una configuració que equilibra els diferents moviments i tira dins de la proteïna (figura 5.7). Per tant, si un investigador vol predir la forma en què es doblega una proteïna, la solució sembla senzilla: simplement proveu totes les configuracions possibles, calculeu les seves energies i augmenteu que la proteïna es reduirà a la configuració d'energia més baixa. Malauradament, provar totes les configuracions possibles és computacionalment impossible perquè hi ha milers de milions i milers de milions de configuracions potencials. Fins i tot amb les computadores més potents disponibles avui i, en el futur previsible, la força bruta no funcionarà. Per tant, els biòlegs han desenvolupat molts algorismes intel·ligents per buscar de forma eficient la configuració d'energia més baixa. Però, tot i quantitats massives d'esforç científic i computacional, aquests algorismes encara no són perfectes.
David Baker i el seu grup de recerca a la Universitat de Washington formaven part de la comunitat de científics que treballen per crear enfocaments computacionals per a plegar proteïnes. En un projecte, Baker i els seus col·legues van desenvolupar un sistema que permetia als voluntaris donar un temps sense usar als seus ordinadors per ajudar a la simulació de plegament de proteïnes. A canvi, els voluntaris podien veure un protector de pantalla que mostrava el plegament de la proteïna que estava passant a l'ordinador. Diversos d'aquests voluntaris van escriure a Baker i als seus col · legues que diuen que pensen que podrien millorar el rendiment de l'ordinador si es tractés d'implicar-se en el càlcul. I així va començar Foldit (Hand 2010) .
Foldit converteix el procés de plegat de proteïnes en un joc que qualsevol pot jugar. Des de la perspectiva del jugador, Foldit sembla ser un trencaclosques (figura 5.8). Els jugadors es presenten amb un embolcall tridimensional d'estructura de proteïnes i poden realitzar operacions: "ajustar", "invertir", "reconstruir" -que canvieu de forma. En realitzar aquestes operacions, els jugadors canvien la forma de la proteïna, que al seu torn augmenta o disminueix la seva puntuació. Críticament, la puntuació es calcula en funció del nivell energètic de la configuració actual; Les configuracions d'energia més baixa generen puntuacions més altes. En altres paraules, la puntuació ajuda a guiar als jugadors mentre cerquen configuracions d'energia baixa. Aquest joc només és possible perquè, igual que preveure classificacions de pel·lícules en el preu de Netflix Prize-plegament de proteïnes, també és una situació en què és més fàcil verificar solucions que generar-les.
El disseny elegant de Foldit permet als jugadors amb poc coneixement formal de la bioquímica per competir amb els millors algoritmes dissenyats per experts. Tot i que la majoria dels jugadors no són especialment bons per a la tasca, hi ha alguns jugadors individuals i petits equips de jugadors excepcionals. De fet, en una competència entre els jugadors de Foldit i els algorismes d'última generació, els jugadors van crear millors solucions per a 5 de cada 10 proteïnes (Cooper et al. 2010) .
El premi Foldit i el Netflix són diferents en molts aspectes, però ambdós impliquen crides oberts per a solucions que són més fàcils de comprovar que generar. Ara, veurem la mateixa estructura en un altre entorn molt diferent: la llei de patents. Aquest últim exemple d'un problema de trucada oberta mostra que aquest enfocament també es pot utilitzar en configuracions que no són òbviament susceptibles de quantificació.