過去推動的Folding@home計畫，就是希望透過使用者貢獻空閒運算效能，透過連網協作方式組成龐大運算資源，藉此研究蛋白質折疊結構，就連NVIDIA過去也曾藉由GPU運算資源投入此項研究。
將有利於更多蛋白質相關疾病改善
DeepMind宣布，藉由旗下人工智慧技術順利解決過去50年以來始終讓科學家難以精準預測的蛋白質折疊結構。
由蛋白質是生物重要運作基礎，而依照不同折疊結構，將使蛋白質對應不同生物機能，因此針對蛋白質的研究，從很早之前就已經投入發展，希望能藉由掌握蛋白質折疊結構，藉此研發更多能改善疾病的解藥，或是解決更多與蛋白質相關問題。
不過，蛋白質可能折疊結構相當複雜，至少存在10的300次方可能性，因此難以透過一般運算方式進行解析。
而正因為難以解析，因此也吸引眾多科學家希望解決此項難題，業界更發展出許多研究挑戰，例如過去推動的Folding@home計畫，就是希望透過使用者貢獻空閒運算效能，透過連網協作方式組成龐大運算資源，藉此研究蛋白質折疊結構，就連NVIDIA過去也曾藉由GPU運算資源投入此項研究。
此次DeepMind順利破解蛋白質折疊結構，主要是以2018年提出的AlphaFold設計為基礎，透過既有17種蛋白質結構資料訓練，配合使用100至200組GPU進行加速，在花費幾個星期時間分析學習之下，終於能準確預測蛋白質折疊，並且獲得蛋白質結構預測技術的關鍵測試CASP實驗認可。
未來DeepMind計畫將AlphaFold應用在各項與蛋白質結構相關的疾病研究，同時希望能在生物學發展做出貢獻。
