结构生物学

2018年Alphafold出现时，实验结构生物学领域认为被战胜的仅仅是传统的结构预测领域，2020年Alphafold2之后，实验结构生物学领域应该开始思考如何与之共存以及如何“拜师学艺”了。

实验结构生物学领域接下来需要做的一个事情是要拥抱变化，更好地与预测方法结合以及共同发展。

最近两年，结构生物学领域经历了与围棋界类似的故事。

同样的道理，对于复杂的结构生物学问题，预测手段本身还不能号称完全解决了问题。

但即便如此，这个过程中的动力学问题，简单说，就是变化速度，依旧不是现在的结构生物学实验手段可以揭示的，需要借助更多生物物理技术、计算生物学手段去探索。

我认为AlphaFold2是个大突破，后续可能性很多，会替代一些简单的结构生物学实验，但对当下科学家追求的前沿生物学来说，共赢大于竞争；

传统上，蛋白质结构预测可以分成基于模板和从头预测，但是AlphaFold2只用同一种方法——机器学习，对几乎所有的蛋白质都预测出了正确的拓扑学的结构，其中有大约2/3的蛋白质预测精度达到了结构生物学实验的测量精度。

因此，未来对有特定功能的、多个成分组成的、生物大分子复合体的结构解析，以及体内的结构分析，将成为结构生物学实验研究的主要内容。

AlphaFold为结构生物学家提供了除晶体学、冷冻电镜、NMR以外的另外一种手段，用于揭示生物大分子发挥作用的分子机制。