【資料圖】

為了從新鮮數據中提取信息，深度學習采用了算法，通常是在海量數據上訓練的神經網絡。憑借其一步步的指示，它跟傳統的計算有很大的不同。相反，它從數據中學習。深度學習遠沒有傳統計算機編程那么透明，它留下了一些重要的問題沒有解決：系統學到了什么，它知道什么？

據了解，蛋白質存在于每一個生物體中。它們為細胞提供結構、催化化學過程、運輸小分子、消化食物并執行許多其他功能。它們由氨基酸的長鏈組成，像線上的珠子一樣串在一起。然而為了使蛋白質在細胞內發揮其功能，它必須折疊成一個復雜的三維結構，這一過程被稱為蛋白質折疊。折疊不當的蛋白質會導致疾病。

Christiaan Anfinsen在他1972年的諾貝爾化學獎接受演講中提出假設，從一個蛋白質的氨基酸序列來計算其三維結構應該是可行的。

氨基酸的排列決定了蛋白質的特性和形式，最終決定了其功能。

由于氨基酸構建塊的內在靈活性，一個典型的蛋白質可能會有約10到300種不同的配置。這一數量超過了宇宙中原子的總數。然而在一毫秒內，生物體內的每一種蛋白質都會折疊成它自己的獨特形式--構成蛋白質的所有化學鍵的最低能量構型。只要改變蛋白質中通常包含的數百個氨基酸中的一個，它就可能不再正常折疊或發揮作用。