2018年11月30日，两年一度的国际蛋白质结构预测竞赛（CASP）开始。来自世界各地的数百支团队参与，对一些组委会选中蛋白结构进行定量地预测。 阿尔法狗匿名第一次参加该比赛，初出茅庐的阿尔法狗 比人类参赛的最优秀团队的成绩高出一大截，这是阿尔法狗初次参与科研解蛋白结构，已经能够显示出来绝对的实力和优势。
 
     蛋白结构与功能研究是破解生命过程的一项重要的研究内容。对蛋白功能的认识，离不开对蛋白结构的认识，蛋白与蛋白和其他分子之间的相互作用的基础就是蛋白的结构。获得蛋白结构的方法如x-ray衍射技术，核磁共振技术，冷冻电镜技术等，需要非常复杂的过程，仪器设备，人工实验，耗费巨大。

     很早人们就开始思考尝试利用计算机进行蛋白结构的预测，蛋白的三维结构信息是隐藏在蛋白一级结构中的，是可以通过一级结构预测出蛋白三维结构的。然而，这一过程相当复杂，在alphago采用的机器学习之前，预测方法一直是穿线法为最为有效的方法，但是其局限性还是很大的，需要同源蛋白结构作为模板，尽管现在已经有数以万计的蛋白结构被解析出来，可以作为模板进行预测，但是仍然不能完全解决结构预测的问题。 从穿线法出现以来，没有突破性技术诞生。

       机器学习尤其是深度学习最近的发展，如日中天，使计算机的应用从人类的计算工具，变成了可以独立思考和判断的有灵魂的机器大脑。深度学习在人脑不能企及的复杂问题上，百试百灵，蛋白结构作为一项超级复杂的问题，这一次深度学习有一次证明了自己的实力。

 （未来已来，肉脑被机器大脑取代的时间表已经不长了，这不是问题，难道不是问题吗，如果机器大脑可以取代肉脑，我们还需要研究碳水化合物构成的智慧载体的工作原理吗? ，如果能够被硅片大脑取代，我们是不是也该放弃肉体。）

     未来蛋白解析工作，是不是可以交给计算机直接计算出来，费劲巴拉的进行蛋白表达，结晶，衍射的工作是不是就可以退下了，进历史博物馆了呢。

      深度学习给我开了一个脑洞，生命科学研究，本质是研究 DNA到生命体（进而到群体）的因果关系。客观的序列与复杂的生物多样性的关系，那么，如果有了足够多的序列信息和生物特征信息，是不是可以利用深度学习将序列映射到生命体结构上，从而破解生命密码呢？