因为发表晚了一步，没有放到数据库给到AlphaFold训练。于是经由它预测出来的结构，就与实验结果严重不符。
最后，颜宁还谈了谈对AlphaFold这些新技术的态度。
她表示：
真正的研究者都乐于拥抱技术进步，善用各种技术去探寻、解答自己感兴趣的问题。事实上，我期待AI越来越强大，如果它真的可以强大到把我上述提的三个理解都实现，那我们真可以正儿八经从化学角度研究生命起源了。
AlphaFold以及AI究竟能否取代结构生物学？颜宁此次发声无疑是给下明确的回答。事实上，自Alphafold诞生之日起，这种争议就一直存在。
AlphaFold能做什么
蛋白质结构预测，这是大家对于AlphaFold第一印象。一年时间它能从成功预测人类92.5%蛋白质，到全球已知所有的蛋白质结构都能预测。
如此速度和精确度，不免让人担心它会替代一批生物学家，正如当年AlphaGo一样。首当其冲就是结构生物学家，其研究涉及生物大分子的三级结构（包括构架和形态），如何获得他们的结构以及结构如何影响功能。
于是网络上就有相关问题的讨论：像施一公颜宁、David Baker这些致力于该领域的科学家会不会深受打击，甚至因此失业？
但事实是，蛋白质结构预测只是结构生物学的一个分支，也算不上一个新学科。在AlphaFold出现之前，就已经有科学家就已经尝试用算法通过序列来预测三维结构。
更严格意义上来讲，只是其中一种工具之一。
以往常用的实验手段包括，质谱法、X射线晶体学、冷冻电镜等，他们解析出来的分辨率高、错误率低。尤其是冷冻电镜的发明，直接让解析结果上升到了新高度。但碍于成本高昂，依赖设备，于是就有科学家另辟蹊径，来做结构预测。
据颜宁早前采访时表示，蛋白质结构预测与实验结构生物学融合度越来越高。在冷冻电镜时代，用软件预测结构模型，再根据实验数据调整，就已经是常规操作。
其实也就是当下热议的干湿实验闭环——计算生物在科研领域的典型价值。
图源：量子位智库《计算生物产业报告》
颜宁曾这样定义结构生物学：它的主语是生物学，是理解生命、是做出生物学发现。
结构只是开始，生物学功能、机理才是终点。而且光结构解析这一项，也需要多个手段联合协作。
最典型如施一公团队的RNA剪接体机理研究。他们曾在Science封面连发两篇背靠背文章。
团队首先通过冷冻电镜解析了酵母剪接体近原子分辨率的三维结构。接着就是在这个结构基础上进行质谱等手段去详细分析，最终揭示了剪接体对前体信使RNA执行剪接的基本工作机理。
放在当时在学界属于
