蛋白質是構建生命巧妙的化學工具。諾貝爾獎評委會表示，David Baker成功完成了幾乎不可能完成的壯舉，即構建了全新的蛋白質；Demis Hassabis和John Jumper開發了一種AI模型以解決50多年未解決的蛋白質復雜結構的預測問題，這些發現具有巨大的應用潛力。

諾貝爾獎評委會贊賞了AlphaFold在蛋白預測領域所做的貢獻。今年5月，DeepMind和Isomorphic Labs研究團隊推出的AlphaFold 3登上《自然》雜志，AlphaFold 3以前所未有的精確度成功預測了所有生命分子，包括蛋白質、DNA、RNA、配體等的結構和相互作用。

對于蛋白質與其他分子類型的相互作用，AlphaFold 3在基準測試中的準確率比現有最好的傳統方法高出50%，且無需輸入任何結構信息，這使得AlphaFold 3成為首個在生物分子結構預測方面超越基于物理工具的方法的人工智能系統。

伴隨著AI技術的發展，AlphaFold 3有望開啟更具變革性的科學，結構生物學將再次迎來技術顛覆——從開發生物可再生材料和更具抗逆性的作物，到加速藥物設計和基因組學研究，進而開啟人工智能細胞生物學的新時代。

人工智能對蛋白結構的預測將影響包括生物化學、細胞生物學、遺傳發育、神經生物學、微生物學以及病理藥理等在內的生命科學研究領域，提升人類對生命的理解。比如，通過蛋白結構預測就能查看人類遺傳病中的每一個突變在相關蛋白結構里的具體位置，并推測出蛋白功能如何受到影響。

然而，結構生物學家認為，AI仍然無法替代科學家所從事的很大一部分工作。早在AlphaFold 2問世時，中國結構生物學家顏寧就曾稱，結構生物學不僅僅是看到折疊（Fold），更要理解蛋白質的動態變化，要理解與其他生物大分子或者調節小分子的相互作用，要理解在細胞原位里的狀態，這些都是AI目前尚無能為力的領域，因為尚沒有足夠的數據庫去訓練它。