5.3.2 Foldit

Foldit是一個美麗的公開徵集，因為它使非專家參與的方式，是樂趣。

Netflix的獎，而令人回味的和明確的，並沒有說明的全方位公開徵集項目。例如，在Netflix的獎最嚴重的參與者有多年的統計和機器學習訓練。但是，公開徵集項目也可能涉及誰沒有正式訓練，被Foldit，一個蛋白質折疊遊戲說明參與者。

蛋白質折疊是通過它的氨基酸鏈呈現其形狀的過程。有更好的理解這個過程，生物學家可以設計與可作為醫藥特定形狀的蛋白質。簡化了不少，蛋白質往往會移動到它們的最低能量狀態，能夠平衡各種推和蛋白（圖5.7）內拉的配置。因此，如果研究人員希望預測到了蛋白質折疊會是什麼形狀，該解決方案聽起來很簡單：只是嘗試所有可能的配置，計算出它們的能量，預測，蛋白質會折疊成能量最低的配置。不幸的是，因為有幾十億，數十億的潛在配置，涉及嘗試所有可能的配置這種暴力方法在計算上是不可能的。即使是最強大的電腦今天和未來的蠻力可預見力只是沒有去上班。因此，生物學家已經開發了許多巧妙算法來有效地搜索的最低能量構型。但是，儘管有大量的科學和計算工作量，這些算法完美還遠。

圖5.7：蛋白質折疊。創建映像並通過“DrKjaergaard”置於公共領域。資料來源： 維基共享資源 。

大衛·貝克和他在華盛頓大學的研究小組正在努力開發更好的計算方法，以蛋白質折疊科學家的社會的一部分。為了跟踪發生了什麼事，而他們的算法進行了起動了，貝克和他的小組將偶爾觀看屏幕保護程序的可視化他們的算法的進展。雖然看著這些可視化，貝克開始懷疑它是否有可能為人類的過程中提供幫助，並由此開始了Foldit，創意和美麗公開徵集(Hand 2010) 。

Foldit接通蛋白質折疊的過程中成任何人都可以玩的遊戲。從遊戲者的角度看，Foldit似乎是一個難題（圖5.8）。玩家都帶有蛋白質結構的三維纏結並可以執行操作 - “調整”，“擺動”，“重建”，也就是說改變其形狀。通過執行這些操作的玩家改變蛋白質的形狀，這反過來又增加或減少他們的評分。關鍵的是，分數是基於當前構造的能量級別計算;較低的能源結構導致更高的分數。換句話說，比分可以幫助引導玩家，因為他們尋找低能量構型。本場比賽是唯一可能的，因為，就像Netflix的獎的蛋白質折疊預測電影等級也是一種情況，很容易查比生成它們的解決方案。

圖5.8：遊戲畫面，供Foldit。

Foldit優雅的設計使玩家生物化學幾乎沒有正式的知識由專家設計的最佳算法來競爭。雖然大多數球員都沒有特別擅長的任務，還有誰是特殊的球員一些球員和小型團隊。事實上，在頭對麥芒的競爭來預測10個具體蛋白質的結構，Foldit玩家們能夠打敗一個國家的最先進的蛋白質折疊算法五次(Cooper et al. 2010)

Foldit和Netflix的獎金在很多方面不同，但它們都涉及到對大於產生容易檢查解決方案的開放式電話。現在，我們將看到另一種截然不同的設定相同的結構：專利法。公開徵集問題，這個最後的例子表明，它們還可以在那些沒有明顯服從量化設置來使用。