人工智能(AI)已經改變了科學的實踐，進而使研究人員能夠檢查目前科學儀器產生的大量數據。通過利用深度學習，它可以從數據本身進行學習並可以在一百萬個信息乾草堆中找到一根針。AI正在推動基因搜索、醫學、藥物設計和化學合成的發展。
為了從新鮮數據中提取信息，深度學習採用了算法，通常是在海量數據上訓練的神經網絡。憑藉其一步步的指示，它跟傳統的計算有很大的不同。相反，它從數據中學習。深度學習遠沒有傳統計算機編程那麼透明，它留下了一些重要的問題沒有解決：系統學到了什麼，它知道什麼？
據了解，蛋白質存在於每一個生物體中。它們為細胞提供結構、催化化學過程、運輸小分子、消化食物並執行許多其他功能。它們由氨基酸的長鏈組成，像線上的珠子一樣串在一起。然而為了使蛋白質在細胞內發揮其功能，它必須摺疊成一個複雜的三維結構，這一過程被稱為蛋白質摺疊。摺疊不當的蛋白質會導致疾病。
Christiaan Anfinsen在他1972年的諾貝爾化學獎接受演講中提出假設，從一個蛋白質的氨基酸序列來計算其三維結構應該是可行的。
氨基酸的排列決定了蛋白質的特性和形式，最終決定了其功能。
由於氨基酸構建塊的內在靈活性，一個典型的蛋白質可能會有約10到300種不同的配置。這一數量超過了宇宙中原子的總數。然而在一毫秒內，生物體內的每一種蛋白質都會摺疊成它自己的獨特形式–構成蛋白質的所有化學鍵的最低能量構型。只要改變蛋白質中通常包含的數百個氨基酸中的一個，它就可能不再正常摺疊或發揮作用。