O consórcio formado por empresas farmacêuticas treinou o OpenFold3 com mais de 20.000 estruturas de proteínas dos arquivos das empresas. O novo modelo apresentou desempenho superior ao de modelos treinados apenas com dados públicos ou com os dados de uma única empresa. O estudo, que não passou por revisão por pares, foi anunciado em uma publicação de blog; o modelo não foi disponibilizado ao público.
Por que é importante
Os resultados indicam que, na modelagem de estruturas de proteínas, não apenas a amplitude do conjunto de dados, mas também os dados privados que podem ser compartilhados entre empresas podem afetar as comparações de desempenho. Isso levanta a questão de como arquivos institucionais inacessíveis aos pesquisadores que trabalham com dados públicos alteram as condições de competição. Para as empresas farmacêuticas, ganha importância saber se os dados utilizados em conjunto proporcionam resultados diferentes dos obtidos em estudos baseados nos recursos de uma única organização. No entanto, como o estudo ainda não foi analisado por revisores e o modelo não foi disponibilizado para uso, por enquanto não é possível validar os resultados de forma independente, avaliar o método em detalhes nem testá-lo por outras equipes. Ambas as situações deixam em aberto se a diferença de desempenho decorre da combinação dos dados ou de outras características do modelo.