5.3.2 Foldit

Foldit on kaunis avoin haku, koska se mahdollistaa ei-asiantuntijoita osallistumaan tavalla, joka on hauskaa.

Netflix-palkinto, kun taas mielikuvia ja selkeä, ei kuvaa kaikkia avoimen projekteja. Esimerkiksi Netflix-palkinto useimmat vakavat osallistujien oli vuotta koulutusta tilastojen ja koneoppimisen. Mutta, avoin kutsu projekteja voidaan myös osallistujia, joilla ei ole muodollista koulutusta, kuten havainnollistettiin Foldit, proteiini taitto peli.

Proteiinin laskostumisen on prosessi, jonka avulla ketjun aminohappojen ottaa sen muodon. Joissa parempi käsitys tämän prosessin, biologien voisi suunnitella proteiineja erityisiä muotoja, jotka voitaisiin käyttää lääketieteessä. Yksinkertaistaminen melko vähän, proteiinit taipumus siirtyä niiden alimpaan energiaa kokoonpano, kokoonpano, joka tasapainottaa eri työntää ja vetää proteiinin sisällä (Kuva 5.7). Joten, jos tutkija haluaa ennustaa mitä muotoa, johon proteiini kertaiseksi, ratkaisu kuulostaa yksinkertaiselta: vain kokeilla kaikki mahdolliset konfiguraatiot, laskea niiden energioita, ja ennustaa, että proteiini laskostuu alhaisin energia kokoonpano. Valitettavasti tämä brute force lähestymistapaa, joka kuuluu pyrkimys kaikkien mahdollisten kokoonpanojen on laskennallisesti mahdotonta, koska on olemassa miljardeja mahdollisia kokoonpanoja. Vaikka tehokkain tietokoneet saatavilla tänään-ja lähitulevaisuudessa-brute force ei vain ei tule toimimaan. Siksi biologit ovat kehittäneet monia älykkäitä algoritmeja tehokkaasti etsiä alhaisin energia kokoonpano. Mutta siitä huolimatta valtavia määriä tieteellistä ja laskentatehoa, nämä algoritmit ovat vielä kaukana täydellisestä.

Kuva 5.7: Protein taitto. Kuva luotiin ja pantiin julkiseen domainiin "DrKjaergaard". Lähde: Wikimedia Commons .

David Baker ja hänen tutkimusryhmä University of Washington kuuluivat yhteisöön työskentelevät tutkijat kehittämään parempia laskennallisia lähestymistapoja proteiinilaskostumisen. Jotta voit seurata mitä tapahtuu, kun niiden algoritmeja cranking pois, Baker ja hänen ryhmänsä olisi joskus katsella näytönsäästäjän että visualisoidaan edistymistä niiden algoritmeja. Kun katsot nämä visualisointeja, Baker alkoi ihmetellä, olisiko mahdollista, että ihmiset voivat auttaa tässä prosessissa, ja näin alkoi Foldit, luova ja kaunis avoin kutsu (Hand 2010) .

Foldit kääntyy prosessi proteiinilaskostumisen peliksi, jota voi pelata kuka tahansa. Näkökulmasta soittimen, Foldit näyttää olevan arvoitus (Kuva 5.8). Pelaajat esittelyyn kolmiulotteisen vyyhti proteiinien rakenteen ja voi suorittaa operations- "nipistää", "heiluminen", "Uusinta" -joka muuttaa muotoaan. Tekemällä nämä toiminnot pelaajat muuttaa muotoa proteiinin, joka puolestaan ​​lisää tai vähentää niiden pisteet. Kriittisesti, pisteet lasketaan energian tason nykyisen kokoonpanon; alempi-energia kokoonpanoissa aiheuttaa suuremmat tulokset. Toisin sanoen, pisteet opastaa pelaajia etsiessään vähän energiaa kokoonpanoissa. Tämä peli on mahdollista vain siksi, aivan kuten ennustavat elokuva arvosanat Netflix-palkinto-proteiini taitto on myös tilanne, jossa on helpompi tarkistaa ratkaisuja kuin aiheuttavat.

Kuva 5.8: Game näyttö Foldit.

Foldit n tyylikäs muotoilu mahdollistaa pelaajien kanssa vähän muodollista tietoa biokemian kilpailemaan parhaan algoritmeja suunnittelema asiantuntijoita. Vaikka useimmat pelaajat eivät ole erityisen hyviä tehtävän, on olemassa muutamia pelaajia ja pienryhmiä pelaajia, jotka ovat poikkeuksellisia. Itse head-to-head kilpailu ennustaa rakenteen 10 tiettyjen proteiinien, Foldit pelaajat pystyivät voittamaan state-of-the-art proteiinilaskostumisen algoritmeja viisi kertaa (Cooper et al. 2010) .

Foldit ja Netflix palkinnon ovat erilaisia ​​monin tavoin, mutta ne molemmat sisältävät avointen ratkaisuja, jotka ovat helpompi seurata kuin tuottaa. Nyt näemme saman rakenteen vielä eräässä hyvin erilaista asetusta: patenttioikeus. Tämä lopullinen esimerkki avoimen ongelma osoittaa, että niitä voidaan myös käyttää asetuksia, jotka eivät ole ilmeisesti vastaanottavaisia ​​kvantifiointiin.