人工智能(AI)已经改变了科学的实践，进而使研究人员能够检查目前科学仪器产生的大量数据。通过利用深度学习，它可以从数据本身进行学习并可以在一百万个信息干草堆中找到一根针。AI正在推动基因搜索、医学、药物设计和化学合成的发展。 为了从新鲜数据中提取信息，深度学习采用了算法，通常是在海量数据上训练的神经网络。凭借其一步步的指示，它跟传统的计算有很大的不同。相反，它从数据中学习。深度学习远没有传统计算机编程那么透明，它留下了一些重要的问题没有解决：系统学到了什么，它知道什么？ 据了解，蛋白质存在于每一个生物体中。它们为细胞提供结构、催化化学过程、运输小分子、消化食物并执行许多其他功能。它们由氨基酸的长链组成，像线上的珠子一样串在一起。然而为了使蛋白质在细胞内发挥其功能，它必须折叠成一个复杂的三维结构，这一过程被称为蛋白质折叠。折叠不当的蛋白质会导致疾病。 Christiaan Anfinsen在他1972年的诺贝尔化学奖接受演讲中提出假设，从一个蛋白质的氨基酸序列来计算其三维结构应该是可行的。 氨基酸的排列决定了蛋白质的特性和形式，最终决定了其功能。 由于氨基酸构建块的内在灵活性，一个典型的蛋白质可能会有约10到300种不同的配置。这一数量超过了宇宙中原子的总数。然而在一毫秒内，生物体内的每一种蛋白质都会折叠成它自己的独特形式--构成蛋白质的所有化学键的最低能量构型。只要改变蛋白质中通常包含的数百个氨基酸中的一个，它就可能不再正常折叠或发挥作用。
