通過預測已知蛋白質的形狀，將能大大減少生物學研究所需的時間，有助促進藥物和疫苗研發，解決糧食危機和持續發展的問題。去年人工智能公司 DeepMind 發佈了開源的 AlphaFold 蛋白質結構數據庫，日前又宣佈，其數據庫所掌握的蛋白質結構已增加到逾 2 億種，數量近乎是所有科學已知的蛋白質。
AlphaFold
|共4篇|
建立「蛋白質組數據庫」有何作用？
DeepMind 日前發佈數據庫，當中幾乎包含所有人體中蛋白質的三維結構。這些蛋白質結構數據，是由去年展示的蛋白質折疊系統 AlphaFold 計算得出。數據庫免費開放，對許多領域的科學家來說是極大的突破和便利，很可能構成生物學和醫學新發展的基礎。
AI 心法：人工智能需要「睡覺」嗎？
人工智能研究員、電子遊戲設計師 Demis Hassabis，在 2010 年與友人創立了研究公司 DeepMind，並開始研究在玩遊戲上更勝人類的人工智能。DeepMind 訓練的 AI 程式 AlphaGo 在 2016 年擊敗頂尖棋士李世乭，使 DeepMind 和 Hassabis 聲名大噪。Hassabis 在「新科學人」專訪中表示，他們希望能從根本上理解並人工再造「智能」（Intelligence），以助我們了解世界、影響世界，其中之一就是加快科學發現的步伐。
DeepMind 又贏：AlphaFold 深度學習 AI 預測蛋白質結構
Google 旗下的人工智能公司 DeepMind 又再一次聲名大噪，其名為 AlphaFold 的程式，在兩年一次名為「蛋白質結構預測競賽」（CASP）的比賽中，大勝其他隊伍。兩大頂尖科學期刊的報道標題均引述指 AlphaFold 是「格局的變革者」，「科學」期刊指「人工智能在解決蛋白質結構方面取得勝利」，「自然」期刊表示「DeepMind 的 AI 在破解蛋白質結構方面表現突飛猛進」。