原书信息：清华大学出版社-图书详情-《TensorFlow+Android经典模型从理论到实战（微课视频版）》 http://www.tup.tsinghua.edu.cn/booksCenter/book_09703501.html
第9章 AlphaFold2与蛋白质结构预测
当你读完第9章时，你应该能够：
l 理解蛋白质结构预测的基本原理。
l 梳理蛋白质结构预测的进展与技术路线。
l 理解从AlphaFold1到AlphaFold2的演进逻辑。
l 理解AlphaFold2对数据集所做的特别处理。
l 理解AlphaFold2独特的端到端体系框架。
l 理解AlphaFold2之Evoformer模块的运算逻辑。
l 理解AlphaFold2之Structure模块的运算逻辑。
l 理解AlphaFold2之独特的损失函数定义方法。
l 基于AlphaFold预训练模型做蛋白质结构预测。
蛋白质折叠问题是人类需要解决的重大科学前沿问题之一。蛋白质是生命的物质基础，预测和解析蛋白质结构对于探索、揭示生命活动奥秘异常重要。
人类已经能够利用冷冻电镜、核磁共振或 X 射线晶体学等实验技术确定蛋白质的基本结构，但这些技术需要大量试错，科学研究成本高昂。
蛋白质结构预测的关键评估（Critical Assessment of protein Structure Prediction，CASP）竞赛每两年举办一届，是蛋白质结构预测的全球盛会。CASP不同于上述三种传统的实验方法解析蛋白质结构，而是另辟蹊径，绕开大量实验过程，直接基于残基序列，采用计算生物学和机器学习方法预测蛋白质的三维结构，如图9.1所示。
图9.1 直接根据残基序列预测蛋白质三维结构
目前，在解析复杂蛋白质结构的问题上，实验方法的可靠性、确定性仍是不可取代的。但是，机器学习方法正在取得突破性进展，其中的标志性事件即为2020年的CASP14大赛上，AlphaFold2的GDT得分表明它已经在部分领域媲美传统的实验方法。GDT是用来衡量蛋白质结构预测准确性的主要指标，取值范围为0~100分。
