雖說我們現在的醫學水平比以前已經進步很多了，以前很多治不好的病現在都可以治好，但是如果你因此覺得我們現在的醫學水平已經足夠高了的話，那你可就大錯特錯了。事實上，醫學要想達到更高的水平，就需要研究蛋白質，這樣才能加深我們對人類身體的了解，從而更好地治病。可惜的是，我們在這方面的研究還很不夠，目前很多蛋白質的結構都是未知的。因此，不少科學家在研究這個。
為什麼蛋白質的結構如此重要呢？原來，是因為它的功能是由結構決定的，而且結構還會決定它跟其他分子互動的方式。如果結構變了，那麼就可能發生病變，人也就會生病。所以說，如果能真正研究透蛋白質的結構的話，那科研人員就可以有針對性的開發藥品來治療疾病，醫生們也可以採用更好的辦法來給人治病。小編認為，往往最基礎的研究才是最難的，誰能想到小小的蛋白質，其實如此重要呢？
蛋白質是由胺基酸組成的，雖然看起來組成的種類不多，才20種胺基酸。但是由於蛋白質裡的胺基酸很多，有的甚至有上千個胺基酸，所以序列就會很長。而且蛋白質的結構是3D空間結構，胺基酸往往會形成螺旋或者環等形狀，因此即使是同一個序列，可以呈現出很多不同的結構。所以，要研究蛋白質結構是很困難的，如果使用物理的辦法，比如顯微鏡那些來探測蛋白質的結構的話，雖然準確率很高，但是卻很費時，還要花很多的錢。
事實上，藥廠在開發藥品的時候，往往會用大量的資金和時間去研究對應蛋白質的結構，導致藥的成本會很高。因此，如何高效又準確的研究它的結構，一直是科學家們研究的重點。如果能有一種方法，能夠快速又準確地弄它的結構的話，那麼以後藥廠開發藥品的成本會大大減少不說，開發新藥的速度也會變快，可以讓更多人享受到最先進的藥品和更好的醫療服務。
在這種情況下，美國的一個科學家就提出了，可以用人工智慧來研究蛋白質的結構，他運用一種名為神經網絡的函數，構建了一種深度學習模型，這個模型會針對每個胺基酸進行預測，預測把它與相鄰胺基酸連接起來的化學鍵的最可能的角度是什麼，然後對每個胺基酸都這麼預測，最後匯總，得到一個整體的結構。當然了，這個模型一開始是很不準的，所以需要對它進行訓練，等模型訓練好了之後，就可以通過這個模型，得到其內部摺疊的那些參數是什麼，從而得知它的結構了。
顯然，用人工智慧來預測其結構，比起其他方法來說會快很多，用這種方法來預測的速度是其他辦法的一百萬倍，而且還可以省很多的錢，降低經費支出。事實上，用這種深度學習的模型來預測結構，主要的時間是花在訓練模型上，等模型訓練好了之後，只要幾毫秒就可以預測了，可以說是神速。而且這種模型不僅速度快，其預測的準確度也並不差，甚至可以媲美目前的最準確的預測方案，可見，這種方法的潛力還是很大的。
在小編看來，能想到把人工智慧用到醫學上的這個科學家簡直是個天才。可以想像的是，隨著科學家們繼續訓練這個模型，讓這個模型的參數更加準確，那麼這個模型以後預測出來的結構就會更加準確。也許以後人們就不用再花大量時間和金錢來用物理上的辦法來探尋蛋白質的結構了，而都用人工智慧來預測。如果我們能搞懂每種蛋白質的結構的話，那麼人類的醫學水平又會有飛躍性的提高，那樣也許我們的生命也可以維持得更久了。