Η βάση δεδομένων AlphaFold Protein Structure Database έχει δώσει στους ερευνητές ανοιχτή πρόσβαση σε μια εκτενή συλλογή προβλέψεων πρωτεϊνικής δομής.
 
Το δίκτυο βαθιάς μάθησης, AlphaFold, που αναπτύχθηκε από το παρακλάδι της Google, DeepMind, μπόρεσε να προβλέψει μέσα σε λίγες ώρες και με πρωτοφανή ακρίβεια, τη δομή των πρωτεϊνών που στο παρελθόν χρειάστηκαν οι ερευνητές χρόνια, αν όχι δεκαετίες, να αξιολογήσουν σωστά.
 
Ποιο είναι όμως το πρόβλημα της αναδίπλωσης των πρωτεϊνών και τι θα μπορούσαν να σημαίνουν οι συνέπειες αυτής της εξέλιξης;
 
Οι πρωτεΐνες είναι απολύτως απαραίτητες για τη ζωή, υποστηρίζοντας πρακτικά όλες τις λειτουργίες της. Η λειτουργία μιας συγκεκριμένης πρωτεΐνης εξαρτάται σε σημαντικό βαθμό από την τρισδιάστατη δομή της, η οποία με τη σειρά της εξαρτάται από την αλληλουχία των αμινοξέων που την περιλαμβάνει.
 
Το πρόβλημα είναι ότι, δεδομένης μιας συγκεκριμένης ακολουθίας, υπολογίζεται ότι υπάρχουν 10^300 πιθανοί συνδυασμοί για τη δομή της. Παρόλα αυτά, στη φύση οι πρωτεΐνες αναδιπλώνονται σωστά σε λίγα χιλιοστά του δευτερολέπτου, φτάνοντας σε μια κατάσταση ελάχιστης εντροπίας.
 
Η φαινομενική αντίφαση μεταξύ του τεράστιου αριθμού δυνατοτήτων και του απίστευτα σύντομου χρόνου που απαιτείται για να επιτευχθεί η κατάλληλη κατάσταση είναι γνωστή ως παράδοξο του Levinthal. Η πρόκληση να προβλεφθεί η δομή μιας πρωτεΐνης από την αλληλουχία της ήταν ένα πρόβλημα το οποίο οι βιολόγοι προσπαθούσαν να λύσουν τα τελευταία 50 χρόνια.