AlphaFold的“祖先”是AlphaGo算法，该算法开始发挥得比任何人都要好。 资料来源：DeepMind过去几年来，Deep Mind的开发人员因其许多项目而出名。 特别是，他们教人工智能（它的弱形式）来玩围棋，经典的雅达利游戏以及其他一些机器难以理解的游戏。 现在轮到更认真的研究了-Deep Mind正在逐渐将AI的专业领域改变为分子生物学。
更具体地讲，人工智能是根据氨基酸序列的片段来预测蛋白质的结构的，这些氨基酸是蛋白质生命的基础。 有问题的项目称为
AlphaFold 。 多亏了遗传学家在数年间组装的序列的基础上进行的培训，人工智能使他们比人类更快更准确地工作。
在必须预测蛋白质
结构的
关键结构预测（CASP）竞赛中，深度思维人工智能（Deep Mind
AI）排名第一，成为98位参与者中的佼佼者。 AI成功地预测了43种蛋白质中25种的结构。 第二名是能够正确预测43种蛋白质中3种蛋白质结构的团队。 在“比赛”中，每个团队每月都会收到一组氨基酸。 这已经发生了几个月。 研究小组接受了所有要素后，必须预测这些氨基酸组成的蛋白质的结构。 该结构先前由科学家确定，因此组织者拥有正确的答案。
对于科学而言，此类研究至关重要，因为蛋白质是生命的基础。 因此，通过预测蛋白质的结构，可以学会了解许多生物学功能和过程。 值得注意的是，在某些情况下，科学家们花费了数年时间来预测特定蛋白质的结构。 问题在于DNA通常具有有关氨基酸序列的数据，但没有形成其链的结构的数据。
人体含有大量蛋白质。
根据各种估计 ，它可以达到数十亿。 蛋白质结构，甚至更多-这个数字描述了一个带有300个零的数字。 蛋白质的3D形状取决于许多因素-氨基酸数量，链长等。 空间结构还取决于特定蛋白质在人体中的作用。
例如，使用折叠后的蛋白质来构建心脏细胞，从而使穿越人体循环系统的肾上腺素分子延迟并加速心跳。 人体几乎所有的能力都取决于特定蛋白质的形状-从肌肉收缩到视觉。
蛋白质结构越复杂，建模就越困难。 值得注意的是，一些被认为是新世纪问题的疾病是由蛋白质结构的错误折叠引起的。 这些疾病包括但不限于阿尔茨海默氏病，帕金森氏病，囊性纤维化和亨廷顿氏病。
资料来源：DeepMind了解某种类型蛋白质的结构将产生可以积极影响这些蛋白质的试剂。 溢油的清算或廉价，快速腐烂的塑料的生产都可以称为用户案例。
DeepMind的一位代表表示，他们的研究预示着新时代的到来。 这项工作是解决科学和技术根本问题的工作之一。 值得注意的是，在他们的AlphaGo算法赢得了世界冠军Lee Sedol的比赛后，DeepMind的专家开始创建新的AI。
之后，AI教授了如何玩机器游戏，包括蒙特祖玛的《复仇》，这对机器来说是困难的。 开发人员说，他们的目标是永远不要在任何游戏中获得更多积分来展示其AI的实力。 真正的目标是开发可以帮助人们解决诸如蛋白质结构及其预测等科学技术问题的算法。
科学家能够教AlphaFold确定氨基酸对之间的距离以及化学键的构型。 第二步是找到每种推定蛋白质的最节能结构。 现在，该算法仅需几个小时即可完成任务-而人们在同一件事上要花费数月甚至数年。