Le consortium formé par des entreprises pharmaceutiques a entraîné OpenFold3 avec plus de 20 000 structures protéiques provenant des archives des entreprises. Le nouveau modèle a affiché de meilleures performances que les modèles entraînés uniquement à partir de données publiques ou des données d’une seule entreprise. L’étude, qui n’a pas fait l’objet d’une évaluation par les pairs, a été annoncée dans un billet de blog ; le modèle n’a pas été rendu public.
Pourquoi c’est important
Les résultats indiquent que, dans la modélisation des structures protéiques, les données privées pouvant être partagées entre entreprises peuvent influer sur les comparaisons de performances au même titre que l’ampleur du corpus de données. Cette situation soulève la question de savoir comment les archives institutionnelles inaccessibles aux chercheurs travaillant avec des données publiques modifient les conditions de concurrence. Pour les entreprises pharmaceutiques, il devient également important de déterminer si les données utilisées conjointement produisent des résultats différents de ceux des travaux reposant sur les ressources d’une seule organisation. Toutefois, comme l’étude n’a pas encore été examinée par des pairs et que le modèle n’a pas été mis à disposition, il n’est pour l’instant pas possible de vérifier les résultats de manière indépendante, d’évaluer la méthode en détail ni de la tester avec d’autres équipes. Ces deux éléments laissent ouverte la question de savoir si l’écart de performance provient de la combinaison des données ou d’autres caractéristiques du modèle.