为了想要了解这些行为的原理，分析到底如何能够改善各种身体的机能，就需要了解这些对应的蛋白质到底是什么结构，它到底长什么样。
作为非常基本非常基础的身体单元，蛋白质的结构不同，自然就会使得它的功能不同。
而这种解析，可从来都不是什么容易的事情。
什么非常高大上的x射线晶体衍射，冷冻电镜一起上，需要海量的时间和金钱不说，解析的效率也不高。
几十年过去了，目前解析出来的比例大约也只在三分之一左右。
想要这样把人类的蛋白质全解析完，那可要了老命了。
到底为什么这个难题如此困难如此棘手，主要是因为，人们需要去预测的是蛋白质的空间结构。
这东西它是3d的。
让人工智能协助分析成为可能的，是蛋白质的一种特性，那就是六十年前的一个发现，也就是安芬森法则：蛋白质的一级结构会决定他的三维空间结构。
这让蛋白质结构的分析问题成为了一个人工智能非常擅长的任务，就是从一种蛋白质的氨基酸序列去猜测这种蛋白质的空间结构长什么样子。
也就是所谓的蛋白质折叠问题。
这下听起来就容易了不少，因为人类的蛋白质氨基酸排列我们已经全部知晓了，那就开推呗！
但进入三维结构，百来个氨基酸至少能有10的三百次方可能，这个问题比围棋的可能性稍微好点，但也够要命的。
因为围棋你只要赢了对面的臭棋篓子就行，穷不穷举不是目的。
但现在，你可是要找出那个唯一结构的，这个可必须找对了才有意义。
这个问题从安芬森法则提出以来，四十年都没什么大的突破，因而从1994年开始，就有人在举办一个名叫cASp的蛋白质结构预测比赛，两年一届。
今年14年是第十一届了。
比赛开始前，主办方会收集百个左右最新实验测定成功的新蛋白质，这些内容外界基本上绝无可能知晓分毫。
把这些新内容作为比赛的内容，交给参赛者们去预测。
最后，根据预测的结果和实验测得的相似度，看谁的预测更加贴近真实实验观测到的。
这个相似分数要到达90以上，这种预测才称得上是像样的答案。
可目前，这个赛事的最好结果普遍还在60左右。
而阿尔法fold和阿尔法fold2的结果则高达70多与恐怖的92左右。
相似度超过92，意味着与原本实验室测定的误差可能也就只有一两个原子的区别了。
属于是测定误差的范围之内，这种情况下，究竟谁才是正确的，都没有人可以确定。
这样伟大的研究前世被开源，孟繁岐也仔细研读过。主要结构没有那么复杂，做出来问题不大。
如今他唯一的担忧只是自己的复现结果距离92会有多少的差距，毕竟现在的数据差了六七年，这是个不小的劣势。