2021年12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。

这些技术解答了生物学界最大的挑战之一——蛋白质三维结构解析。蛋白质是由一长串的氨基酸组成的，当它们折叠成3D形状时，也就决定了这些蛋白质在细胞中的功能。几十年来，研究人员一直采用X射线晶体延伸和冷冻电镜等实验技术来确定蛋白质结构。不过，这些方法既耗时又费钱，而且有些蛋白质不适合这样的分析。

去年，DeepMind在科学界掀起了轩然大波，它展示了自己的软件仅通过蛋白质序列就能准确预测许多蛋白质的结构，轻松解决了几十年的挑战。AlphaFold 2在两年一次的蛋白质预测竞赛中表现出色，以至于该竞赛的联合创始人宣称，“从某种意义上说，问题已经解决了”。

今年7月，总部位于伦敦的DeepMind公司发布了其深度学习神经网络AlphaFold 2的开源版本，并将其方法发表在《Nature》杂志上。去年，AlphaFold 2在国际蛋白质结构预测竞赛（CASP）中击败了众多对手。

与此同时，华盛顿大学医学院的研究团队受到AlphaFold 2的启发也开发了自己的蛋白质结构预测工具。这款工具名为RoseTTaFold，性能几乎和AlphaFold 2相当。他们同一天也在《Science》杂志上发表了文章。

此外，11月，为了详尽地描绘出产生蛋白质复合物的相互作用，一个由华盛顿大学医学院、德克萨斯大学西南医学中心、哈佛大学和其他几个机构的结构生物学家组成的团队检查了酵母中所有已知的基因序列。利用先进的统计分析，他们发现了一些基因，它们以一种相互关联的方式自然地获得突变。他们认为，这种共有的突变是基因编码的蛋白质必须在物理上相互作用的信号。

研究人员使用了新的深度学习软件来模拟这些相互作用的蛋白质的三维形状。华盛顿大学医学学院(UW Medicine)发明的RoseTTAFold和Alphabet子公司DeepMind发明的AlphaFold都被用来生成数百张蛋白质复合物的详细图片。

不过科学家们也表示，AlphaFold也不是十全十美，比赛中，在预测一个由52个小重复片段组成的蛋白质结构时，AlphaFold拿到的分数并不高。目前，DeepMind已经公布了AlphaFold首个版本的详细信息，以便其他研究者复制使用。DeepMind有关研发团队表示，还将继续对AlphaFold展开训练，以便更好地解析更复杂的蛋白质结构。

 其它科学突破还包括：

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。

（生物通）