2021年11月17日，Science杂志公布了2021年的年度科学突破榜单，AlphaFold和RoseTTA-fold两种基于人工智能预测蛋白质结构的技术位列榜首。
除此之外，年度科学突破还包括：开发针对COVID-19的抗病毒药、μ子的新测量、火星地震观测、从土壤恢复古代人类DNA、CRISPR体内应用、对早期人类发展的新见解、使用迷幻类药物治疗PTSD、开发用于治疗传染病的单克隆抗体以及聚变能生成的进步。
此外，Science杂志还评选了三个年度科学故障（breakdowns），包括实现气候目标的希望渺茫、阿尔茨海默病药物引发愤怒，以及科学家们因新冠疫情受到排斥和攻击。本文主要介绍本年度最重要的科学突破——基于人工智能的蛋白质结构预测。
结构生物学持续50多年的困惑我们都知道，蛋白质是生命活动的主要承担者，甚至毫不夸张的说，没有蛋白质就没有生命。因此，长期以来蛋白质都是生命科学工作者研究的重点。
而其中，蛋白质的结构更是众多生命科学工作者研究的热点，毕竟其主要功能是由结构决定的。1957年，John C. Kendrew和Max F. Perutz通过X射线晶体学确定了第一个蛋白质结构。不久之后，Christian B. Anfinsen Jr.提出蛋白质的结构在热力学上是稳定的，似乎可以根据蛋白质的氨基酸序列来预测蛋白质的三维结构。然而，蛋白质的结构复杂性远超人们的想象。
依据中心法则，蛋白质主要是由DNA转录成RNA，再翻译成肽链后组装而来，一个蛋白质分子是由一条或几条多肽链组成，多肽链则折叠成特有的形状。同时，蛋白质分子的专一形状是由4个层次的结构决定的，包括一级、二级、三级和四级结构，前一级结构决定后一级结构。
AI助力解决蛋白质结构预测难题随着计算机科学的发展，此前曾有学者提出利用计算机模型解决蛋白质折叠问题。
虽然这一想法是可行的，但是在随后数十年的时间里，人们开发的各种计算机模型预测蛋白结构的准确性始终有限。在过去25年中，国际蛋白质结构预测大赛（CASP）一直关注这个领域的进展，试图寻找能够完美解决蛋白质折叠问题的计算机模型。直到第14届大赛CASP14大赛成功举办，DeepMind旗下的AlphaFold系统在蛋白质结构预测方面表现出了无与伦比的准确性。
该比赛的评价方式是将参赛者提供的解决方案与“黄金试验标准”进行对比，用GDT评分衡量准确性，范围为0-100，GDT分数在90分左右，即可视为对人类实验方法具备竞争力。而DeepMind旗下的AlphaFold系统总分竟然达到了92.4，和实验的误差在1.6，即使是在最难的没有同源模板的蛋白质上面，这个分数也达到了了恐怖的87.0。
同时，AlphaFold的神经网络能在几分钟内预测出一个典型蛋白质的结构，还能预测较大蛋白质（比如一个含有2180个氨基酸、无同源结构的蛋白质）的结构。该模型能根据每个氨基酸对其预测可靠性进行精确预估，方便研究人员使用其预测结果。
随后，在今年7月份，华盛顿大学医学院生物化学系教授、蛋白质设计研究所所长David Baker领导一支计算生物学家团队，成功开发一款名为RoseTTAFold的工具，基于深度学习，能够根据有限的信息快速准确地预测出目标蛋白质的结构，达到与AlphaFold2不相上下的准确度。
不仅如此，RoseTTAFold所需的计算耗能与计算时间均比AlphaFold2还要低：仅用一台游戏计算机，在短短十分钟内就可以可靠地计算出蛋白质结构。更值得注意的是，RoseTTAFold的代码和服务器完全免费提供给科学界！自7月以来，相关程序已被140多个独立科研团队从GitHub免费下载，来自世界各地的科学家现在正在使用RoseTTAFold来构建蛋白质模型，以加速相关领域的研究。
同样在今年7月份，DeepMind创始人兼首席执行官Demis Hassabis也在Nature杂志上分享了AlphaFold的开源代码，并发表了系统的完整方法论，详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的。也就是说，这款强大蛋白质结构预测模型已经是完全免费的。
至此，两种强大的基于人工智能的蛋白质结构预测模型全部免费开放，科研工作者可以随时利用这两款模型获取蛋白质的空间结构，而无需对蛋白质进行结晶或使用昂贵的冷冻电镜进行研究。