#paper doi: 10.1038/s41586-019-1923-7, Nature volume 577, pages706–710 (2020), Improved protein structure prediction using potentials from deep learning， alphafold1的原始文献，在当时是一个非常重要的突破，让深度学习在生物领域开始大放光彩。后续各种围绕深度学习的改进，将AI+生物学推到了风口浪尖。虽然这篇alphafold1的工作现在来看，性能已经无法和当前的版本或者类似模型媲美，但创新性的引入深度学习，同时考虑蛋白质序列信息、二级结构、三维构象信息等多尺度信息建模的方式，都成为了后续的蛋白质折叠问题的研究的data driven的方法的基线模型。当然现在看来，使用potential of mean force这样比较物理的方式处理，可能是一种俘获问题的物理本质的有益尝试，对于data driven的方式的使用反而不是那么大胆。但对比后续越来越依靠大力出奇迹，我也更倾向于通过物理描述去俘获折叠问题的本质及动力学机制。