Пять фармацевтических компаний вместе дообучили OpenFold3 Preview 2 на 20 167 закрытых структурах белков и малых молекул, не передавая их в общий архив. На 1 056 отложенных структурах доля правильно расположенных молекул-лигандов выросла с 28,9% до 46,8%, следует из результатов AISB Network, опубликованных 14 сентября.

AbbVie, Astex Pharmaceuticals, Bristol Myers Squibb, Johnson & Johnson и Takeda обучали модель внутри собственной инфраструктуры. Платформа Apheris собирала только обновления параметров и объединяла их в общую модель AISB-1-Fed — сами экспериментальные структуры компаний не перемещались.

Доля предсказаний с качественно восстановленной границей между белком и молекулой выросла с 35,6% до 52,1%. На той же закрытой выборке AISB-1-Fed опередила сильнейшую публичную модель Boltz-2 примерно на 11 процентных пунктов по обоим показателям. Результат независимо разобрал журнал Nature.

Такой способ обучения позволяет использовать накопленные конкурентами данные, которые нельзя собрать в одной базе из-за коммерческой тайны. Но веса AISB-1-Fed получат только участники, а проверку провёл сам консорциум на закрытой выборке его компаний. Опыт показывает преимущество федеративного обучения на этих задачах, но не доказывает универсальное превосходство модели или ускорение создания лекарств.